Python：从字符串中提取唯一的句子并将它们放在用 ;

如何解决Python：从字符串中提取唯一的句子并将它们放在用 ;

下午的 Stackoverflowers，

我遇到了一些提取/的挑战，因为我正在尝试为一些用户准备数据。我被告知，在 SQL 中很难做到，因为没有明确的模式，我在 python 中尝试了一些东西，但没有成功（因为我还在学习 python）。

问题陈述：

我的 SQL 查询输出是 excel 或文本文件（取决于我发布它的方式，但可以同时进行）。我有一个字段（excel 或文本文件中的第四列），其中包含一个或多个拒绝原因（参见下面的示例），用逗号分隔。同时，在错误中使用逗号（有时）。

未做任何修改的字段示例

期望的输出：

无效的地址信息；发票上的公司 ID 与系统中为代码注册的公司 ID 不匹配；错误的采购订单

Python 代码：

import pandas

excel_data_df = pandas.read_excel('rejections.xlsx')

# print whole sheet data
print(excel_data_df['Invoice_Issues'].tolist())

excel_data_df['Invoice_Issues'].split(":",1)

输出：

INVOICE_CREATION_FAILED[Invalid Address information:

我尝试过拆分字符串，但无法正常工作。它删除冒号后的所有内容，这是可以接受的，因为它是这样编码的，但是，我需要修剪不必要的数据字符串并只保留每行所需的输出。我将非常感谢任何关于如何修剪输出的代码建议，我只会从该字符串中提取所需的内容 - 如果子字符串可用。

在 excel 中，我通常会使用错误列表以及带有 FIND 和 MATCH 的嵌套 IF 函数。但我不知道如何在 Python 中做到这一点...

非常感谢，

格雷格

解决方法

这不是最快的方法，但在 Python 中，速度很少是最重要的。

在这里，我们手动创建错误字典以及您希望它们映射到的内容，然后我们遍历 Invoice_Issues 中的值，并使用字典查看该键是否存在。

import pandas

# create a standard dataframe with some errors
excel_data_df = pandas.DataFrame({
    'Invoice_Issues': [
        'INVOICE_CREATION_FAILED[Invalid Address information: Company Name,Limited: Blueberry Street 10+City++09301+SK|SK000001111|BLD at line 1,Company Id on the Invoice does not match with the Company Id registered for the Code in System: [AL12345678901]|ABC1D|DL0000001 at line 2,Incorrect Purchase order: VTB2R|ADLAVA9 at line 1 ]']
})

# build a dictionary 
# (just like "words" to their "meanings",this maps 
#  "error keys" to their "error descriptions".
errors_dictionary = {
    'E01': 'Invalid Address information','E02': 'Incorrect Purchase order','E03': 'Invalid VAT ID',# ....
    'E39': 'No tax line available'
}


def extract_errors(invoice_issue):
    # using the entry in the Invoice_Issues column,# then loop over the dictionary to see if this error is in there.
    # If so,add it to the list_of_errors.
    list_of_errors = []
    for error_number,error_description in errors_dictionary.items():
        if error_description in invoice_issue:
            list_of_errors.append(error_description)
    return ';'.join(list_of_errors)
    

# print whole sheet data
print(excel_data_df['Invoice_Issues'].tolist())


# for every row in the Invoice_Isses column,run the extract_errors function,and store the value in the 'Errors' column.
excel_data_df['Errors'] = excel_data_df['Invoice_Issues'].apply(extract_errors)

# display the dataframe with the extracted errors
print(excel_data_df.to_string())
excel_data_df.to_excel('extracted_errors.xlsx)

Python：从字符串中提取唯一的句子并将它们放在用 ;

如何解决Python：从字符串中提取唯一的句子并将它们放在用 ;

解决方法

相关推荐