当前位置：首页 > news >正文

关于多类型数据划分清洗的整理

news 来源：原创 2025/5/28 21:31:49

一.将字符串不同类型拆分

import redef split_string(s):# 去除多余空格s = re.sub(r'\s+', ' ', s).strip()# 拆分字符串s1 = re.sub(r'[\u4e00-\u9fff0-9]', '', s).strip()  # 删除中文和数字，保留英文s2 = re.sub(r'[a-zA-Z0-9]', '', s).strip()  # 删除英文和数字，保留中文s3 = re.sub(r'[\u4e00-\u9fffa-zA-Z]', '', s).strip()  # 删除中文和英文，保留数字return s1, s2, s3# 测试
s = "     sdd dsd   新的谁 说的   12515 "
s1, s2, s3 = split_string(s)
print(f"s1 = '{s1}'")
print(f"s2 = '{s2}'")
print(f"s3 = '{s3}'")

二.将长字符串各类型拆分

import redef split_string(s):# 去除多余空格s = re.sub(r'\s+', ' ', s).strip()# 拆分字符串s1 = re.sub(r'[\u4e00-\u9fff0-9]', '', s).strip()  # 英文s2 = re.sub(r'[a-zA-Z0-9]', '', s).strip()  # 中文s3 = re.sub(r'[a-zA-Z\u4e00-\u9fff]', '', s).strip()  # 数字return s1, s2, s3s = ''' Activity  发现问题的活动Trigger  触发因素Impact  结果影响Phase Found  问题发现阶段Severity  严重程度Target  问题根源对象Defect Type  缺陷类型Content Type  缺陷内容类型Qualifier  缺陷界定Source  问题责任来源Age  缺陷年龄Location  问题位置
'''print(s)s1, s2, s3 = split_string(s)
print(f"s1 = '{s1}'")
print(f"s2 = '{s2}'")
print(f"s3 = '{s3}'")

三.将长字符串各类型拆分再整理

import redef split_string(s):# 去除多余空格s = re.sub(r'\s+', ' ', s).strip()# 拆分字符串s1 = re.sub(r'[\u4e00-\u9fff0-9]', '', s).strip()  # 英文s2 = re.sub(r'[a-zA-Z0-9]', '', s).strip()  # 中文s3 = re.sub(r'[a-zA-Z\u4e00-\u9fff]', '', s).strip()  # 数字return s1, s2, s3def chaihuan(s1,s2,s3):# 去除多余空格s1 = ' '.join(s1.split())s2 = ' '.join(s2.split())s3 = ' '.join(s3.split())# 按照空格拆分字符串s1，生成列表c1c1 = s1.split(' ')c2 = s2.split(' ')c3 = s3.split(' ')# 将字符串s1中的空格替换为换行符，生成字符串t1t1 = s1.replace(' ', '\n')t2 = s2.replace(' ', '\n')t3 = s3.replace(' ', '\n')# 输出结果print("c1:", c1)print("c2:", c2)print("c3:", c3)print("t1:\n", t1)print("t2:\n", t2)print("t3:\n", t3)return c1,c2,c3,t1,t2,t3s = ''' Activity  发现问题的活动Trigger  触发因素Impact  结果影响Phase Found  问题发现阶段Severity  严重程度Target  问题根源对象Defect Type  缺陷类型Content Type  缺陷内容类型Qualifier  缺陷界定Source  问题责任来源Age  缺陷年龄Location  问题位置
'''print(f'{s}\n')
print('--------------------------------')
s1, s2, s3 = split_string(s)
print(f"s1 = '{s1}'\n")
print(f"s2 = '{s2}'\n")
print(f"s3 = '{s3}'\n")
print("------------拆换开始----------------------")
c1, c2, c3, t1, t2, t3 = chaihuan(s1, s2, s3)
print("------------各自明细----------------------")
print(f"c1 = '{c1}'\n")
print(f"c2 = '{c2}'\n")
print(f"c3 = '{c3}'\n")
print(f"t1 = '{t1}'\n")
print(f"t2 = '{t2}'\n")
print(f"t3 = '{t3}'\n")