Python快递信息提取
Python爬虫与数据挖掘 人气:0前言
前几天在Python交流群里边,有个叫【^-^】的粉丝分享了一道Python基础的题目,跟快递信息有关的,题目如下:
现在想要达到的效果如下:
一、思路
针对这个问题,首先需要读取列表的信息,之后对列表进行切割,获取列表中的省或者直辖市信息,之后再判断省位信息中是否包含在地址信息中,使用列表追加的方法,进行处理,这里经常会用到字典和列表来存储信息,屡试不爽。
二、解决方案
针对该问题,粉丝【^-^】给出了解决方法,直接上代码如下:
# coding: utf-8 def sp(s): citys = [] dizhi = [] dice = {} dic = {} for i in s: # print(i) a = i[1] city = a[0:2] zlib = a[0:2] citys.append(city) dizhi.append(zlib) cityss = set(citys) # 去重 citysss = list(cityss) # 转为列表 d = dice.fromkeys(citysss) for key in d: h = [] for j in s: b = j[1] lgezi = b[0:2] if lgezi == key: h.append(j) dic[key] = h # print(dic) for key in dic: # 遍历字典 print(key, dic[key]) if __name__ == '__main__': sp([ ['王*龙', '北京市海淀区苏州街大恒科技大厦南座4层'], ['郭*峰', '河南省商丘市高新技术开发区恒宇食品厂'], ['赵*生', '河北省唐山市朝阳道与学院路路口融通大厦2408室'], ['张*', '陕西省咸阳市文汇东路6号西藏民族大学'], ['刘*民', '北京市大兴区南海家园四里7号楼1单元902'], ['郭*兰', '湖北省武汉市湖北省'], ['张*强', '河北省张家口市经开区钻石南路11号'], ['鞠*龙', '山东省潍坊市玉清街江山帝景B区12号楼一单元14楼'], ['李*', '北京市海淀区西二旗智学苑5号楼超市'], ['许*康', '北京市西城区西单北大街甲133号'], ['叶*生', '江苏省扬州市扬子江中路756号'], ['赵*兴', '北京市海淀区西二旗上地信息路1号金远见大楼华纬讯301'], ['徐*革', '北京市海淀区闵庄路3号102栋二层206'], ['徐*', '安徽省淮南市金荷小区(金格商场旁)'], ['雷*', '北京市朝阳区望京街道望京sohoT1C座1201'], ['庄*', '浙江省杭州市恒生电子大厦'], ['蔡*恩', '湖北省武汉市仁和路沙湖港湾B区1103'], ['陈*', '江苏省苏州市巴城镇湖滨北路193号牛吃蟹庄'], ['黄*', '北京市朝阳区霄云路26号鹏润大厦A座33层'], ['魏*飞', '河北省石家庄市新石北路与红旗大街交口开元大厦502室'], ['张*', '山东省济南市兴港路三庆城市主人'], ['段*琪', '山西省临汾市福利路尧乡小区'], ['刘*', '北京市昌平区龙禧三街骊龙园601'], ['王*生', '上海市杨浦区邯郸路复旦大学遗传学楼319室'], ['王*君', '江苏省扬州市叶挺路318号建行营业部'], ['王*义', '北京市东城区环球贸易中心D座'], ['韩*鉴', '北京市门头沟区滨河路葡东小区七号楼4层D门'], ['罗*若', '陕西省西安市龙首北路宫园一号5号楼4单元'], ['王*', '北京市海淀区上地东路盈创动力大厦e座801c源清慧虹信息科技'], ['马*', '湖北省武汉市庙山中路10号名湖豪庭7栋1403'], ['常*峰', '山西省太原市迎新街'], ['侯*', '浙江省杭州市江陵路1541号'], ['许*娟', '上海市宝山区殷高西路高境二村177号502'], ['朱*', '北京市海淀区东升镇宝盛东路奥北科技园领智中心B座5层'], ['吴*峰', '湖北省武汉市幸福路鸿福花园1栋3006'], ['付*诚', '北京市海淀区观林园'], ['滕*', '江苏省南京市秣周东路11号双子楼9号楼15楼君度科技'], ['石*刚', '辽宁省大连市大连市经济技术开发区福泉北路20号'], ['程*', '北京市昌平区沙河兆丰家园'], ['武*', '北京市昌平区回龙观西大街龙腾苑五区16号楼1单元202'], ['郭*欣', '北京市西城区阜成门 万通新世界 B座1503'] ])
代码不算多,需要花点时间去读,不过涉及的知识点并不复杂,基本上有点Python基础,也可以理解。代码运行之后,可以看到效果如下:
不过后来我在读取这份代码的时候,发现中间有个地方写的着实有些冗余,稍微修改下,代码方面简洁一些,一些函数和变量命名加了一些对应的现实意义的单词,可读性强了一丢丢,代码如下:
# coding: utf-8 def sp(text): city = [] dice = {} dic = {} address = [info[-1] for info in text] for city_info in address: city.append(city_info[0:2]) cities = list(set(city)) # 先去重,然后转为列表 # print(cities) dict_keys = dice.fromkeys(cities) for key in dict_keys: h = [] for info in text: address = info[-1] city_info = address[0:2] if city_info == key: h.append(info) dic[key] = h # print(dic) for key in dic: # 遍历字典 print(key, dic[key]) if __name__ == '__main__': sp([ ['王*龙', '北京市海淀区苏州街大恒科技大厦南座4层'], ['柴*虎', '北京市昌平区北七家镇顺玮阁小区'], ['韩*', '辽宁省葫芦岛市小庄子乡宝仓村'], ['魏*森', '北京市昌平区于辛庄路,赋腾国创中心,2楼'], ['邓*明', '北京市丰台区新华街三里1号楼305'], ['赵*', '上海市宝山区宝山区高境镇高境一村11号后3号车库'], ['徐*亮', '北京市海淀区花园东路11号泰兴大厦302'], ['张*凡', '北京市昌平区沙河镇松兰堡迎客家园507'], ['赵*', '北京市北京市海淀区农大国际创业园b区6065'], ['顾*天', '北京市海淀区上地东路1号华控大厦'], ['丁*', '上海市杨浦区安波路533弄硕和商务2号楼1102'], ['封*号', '江苏省苏州市陆家镇陆丰东路199号水岸香堤2#2309'], ['王*哲', '上海市静安区曲沃路430弄15号401'], ['刘**', '湖北省武汉市左岭镇 武汉华星光电一号门'], ['付*', '安徽省合肥市长江西路305号电信新技术楼'], ['鲁*', '湖北省武汉市武大科技园宏业楼C座'], ['张*', '北京市朝阳区小营路13号亚非大厦7层8704室'], ['齐*', '湖北省武汉市珞喻路马家庄'], ['王*', '北京市海淀区北坞嘉园北里9号楼三单元D01'], ['陈*龙', '北京市朝阳区北卫新园'], ['曹*生', '江苏省无锡市澄南花苑'], ['沈*', '北京市海淀区中关村南大街甲18号北京国际大厦D座7层'], ['续*', '山西省晋中市中都广场12层畅快车贷'], ['赵*全', '河北省唐山市李钊庄镇大王庄村'], ['成*', '上海市虹口区东五小区641号楼2007'], ['方*', '上海市闵行区联航路1399弄28号1103室'], ['曹*', '上海市浦东新区向城路15号24C'], ['韩*德', '北京市大兴区枣园北里小区1号楼8单元202'], ['金*鹏', '浙江省温州市温州职业技术学院生活区快递中心'], ['陶*明', '浙江省嘉兴市南溪路桂苑小区23幢603'], ['李*ir', '北京市丰台区南苑乡 德鑫家园9号楼5单元50'], ['姜*杰', '山东省临沂市凤凰岭大街惠民早餐'], ['l*xq', '辽宁省沈阳市卫工南街4-4网点2门瀚辰跆拳道'], ['单*成', '山东省日照市日照职业技术学院'], ['韩*红', '上海市杨浦区隆昌路619号10号楼二楼'], ['魏*琪', '北京市丰台区汉威国际广场4区12号楼'], ['杨*康', '北京市丰台区丰台科技园汉威广场12栋'], ])
三、小小花絮
这里其实还可以通过正则表达式来做地址信息的提取,代码如下:
with open("地址信息.txt", 'r', encoding='utf-8') as f: for line in f: content = re.compile(r"\['(?P<name>.*?)', '(?P<address>.*?)'\]", re.S) result = content.finditer(line) for i in result: name = i.group("name") address = i.group("address") print(name, address)
可以得到用户的姓名和地址信息,如下图所示:
之后将得到的数据可以存excel,之后通过pandas进行提取,这里使用小小明大佬给的指导代码,可以提取省位,真不错!
df['地区2']=df.地区.apply(lambda s: s[:(s in ("黑龙江省", "内蒙古自治区"))+2])
四、总结
我是Python进阶者。本文实际生活中的快递信息,基于Python编程,使用Python基础知识中的列表、字典、函数等,实现了数据信息的提取过程。
加载全部内容