- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在对法国的法官任命系统进行一些数据分析,并使用一些代码来执行此操作。但我遇到了正则表达式问题。
我的数据由一大堆法院和法官任命组成。
这是一个示例列表:
Appellate Court of Paris
Blabla about the jugdge : Mr Dominique Martin, blahblahblah Blabla about the judge : Ms Jeanne Truc
District Court of Paris
Blabla about the jugdge : Mr François Dupont, blahblahblah Blabla about the jugdge : Mr Jean Dupuis, blahblahblah Blabla about the jugdge : Ms Marguerite Lorem, blahblahblah
District Court of Lyon
Blabla about the judge : Ms Lorena Ipsum, blablabh
其中有很多地方法院和上诉法院混合在一起。通常,在城市上诉法院之后是地区法院。
(对于阅读这篇文章的法国人,我将“Tribunal de grande instance”翻译成“District Court”,将“Cour d'appel”翻译成“Appellate Court”,如果所有内容都是英文的话会更容易理解)
然后我需要一份法院法官的名单。
为了实现这一点,我开始使用优秀的 ol' python 3 做一个正则表达式。首先,我得到了所有评委的名单,这要感谢先生和夫人(嗯,这是法语,所以 M. 和 Mme.)。然后,遍历此列表中的每个法官以查找他们被任命的到底在哪里。我写了类似的东西:
court = re.findall(r'(District Court of.+?|Appelate Court of.+?)\n.+?'+ judge, appointments, re.S)
“法官”变量是我正在寻找的当前法官的名字,“任命”是我正在对其进行正则表达式处理的列表。 Dotall 标志打开,如果你不了解 python,请忘记模式前的 'r',它只是关于如何解释后面字符串中的特殊字符。
(我也尝试过使用 re.search,但我认为 re.findall 更适合发现错误)
而且结果始终是列表中的第一个(例如:巴黎上诉法院)...就好像它是一个贪婪的请求,即使我用'?'标记了每个限定符。在 Python 中将量词标识为非贪婪的。
(我是法学院的学生,不是 CS 的学生,如果我在那里做错了什么,我请求原谅)。
注意:我正在解析的原始列表:http://www.legifrance.gouv.fr/affichTexte.do?cidTexte=JORFTEXT000022472292 (注意那是一个丑陋的法国政府网站)。
最佳答案
使用 lxml解析 html:
import lxml.html as LH
import re
url='http://www.legifrance.gouv.fr/affichTexte.do?cidTexte=JORFTEXT000022472292'
doc=LH.parse(url)
data=(p.text_content() for p in doc.xpath('//p'))
next(data) # Skip the paragraph before the first court
result={}
for court,text in zip(*[data]*2):
court=court.strip()
names=re.findall(r'((?:M\.|Mme)[^,]+),',text)
result[court]=names
print(result)
产量 this result .
您链接到的页面实际上组织得很好。 (至少,我见过更糟糕的情况!;)。每个法庭都有自己的<p>
标记,以及以下 <p>
标签包含列出所有人的文本。因此,如果您使用 HTML 解析器查找所有 <p>
标签,您可以快速梳理法院和人民。
grouper recipe zip(*[iter(...)]*2)
用于单步执行 <p>
-标签数据二<p>
-一次标记。
关于python - 使用正则表达式和 Python 识别包含唯一单词的特定段落的标题(和 French Judges),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8216729/
我正在用 yacc/bison 编写一个简单的计算器。 表达式的语法看起来有点像这样: expr : NUM | expr '+' expr { $$ = $1 + $3; } | expr '-'
我开始学习 lambda 表达式,并在以下情况下遇到了以下语句: interface MyNumber { double getValue(); } MyNumber number; nu
这两个 Linq 查询有什么区别: var result = ResultLists().Where( c=> c.code == "abc").FirstOrDefault(); // vs. va
如果我们查看 draft C++ standard 5.1.2 Lambda 表达式 段 2 说(强调我的 future ): The evaluation of a lambda-expressio
我使用的是 Mule 4.2.2 运行时、studio 7.5.1 和 Oracle JDK 1.8.0_251。 我在 java 代码中使用 Lambda 表达式,该表达式由 java Invoke
我是 XPath 的新手。我有网页的html源 http://london.craigslist.co.uk/com/1233708939.html 现在我想从上面的页面中提取以下数据 完整日期 电子
已关闭。这个问题是 off-topic 。目前不接受答案。 想要改进这个问题吗? Update the question所以它是on-topic用于堆栈溢出。 已关闭10 年前。 Improve th
我将如何编写一个 Cron 表达式以在每天上午 8 点和下午 3:30 触发?我了解如何创建每天触发一次的表达式,而不是在多个设定时间触发。提前致谢 最佳答案 你应该只使用两行。 0 8 * * *
这个问题已经有答案了: What do 3 dots next to a parameter type mean in Java? (9 个回答) varargs and the '...' argu
我是 python 新手,在阅读 BeautifulSoup 教程时,我不明白这个表达式“[x for x in titles if x.findChildren()][:-1]”我不明白?你能解释一
(?:) 这是一个有效的 ruby 正则表达式,谁能告诉我它是什么意思? 谢谢 最佳答案 正如其他人所说,它被用作正则表达式的非捕获语法,但是,它也是正则表达式之外的有效 ruby 语法。 在
这个问题在这里已经有了答案: Why does ++[[]][+[]]+[+[]] return the string "10"? (10 个答案) 关闭 8 年前。 谁能帮我处理这个 JavaSc
这个问题在这里已经有了答案: What is the "-->" operator in C++? (29 个答案) Java: Prefix/postfix of increment/decrem
这个问题在这里已经有了答案: List comprehension vs. lambda + filter (16 个答案) 关闭 10 个月前。 我不确定我是否需要 lambda 或其他东西。但是,
C 中的 assert() 函数工作原理对我来说就像一片黑暗的森林。根据这里的答案https://stackoverflow.com/a/1571360 ,您可以使用以下构造将自定义消息输出到您的断言
在this页,John Barnes 写道: If the conditional expression is the argument of a type conversion then effec
我必须创建一个调度程序,它必须每周从第一天上午 9 点到第二天晚上 11 点 59 分运行 2 天(星期四和星期五)。为此,我需要提供一个 cron 表达式。 0-0 0-0 9-23 ? * THU
我正在尝试编写一个 Linq 表达式来检查派生类中的属性,但该列表由来自基类的成员组成。下面的示例代码。以“var list”开头的 Process 方法的第二行无法编译,但我不确定应该使用什么语法来
此 sed 表达式将输入字符串转换为两行输出字符串。两条输出行中的每一行都由输入的子串组成。第一行需要转换成大写: s:random_stuff\(choice1\|choice2\){\([^}]*
我正在使用 Quartz.Net 在我的应用程序中安排我的工作。我只是想知道是否可以为以下场景构建 CRON 表达式: Every second between 2:15AM and 5:20AM 最
我是一名优秀的程序员,十分优秀!