python-3.x - Python Web Scraping：从非结构化数据中拆分数量

Question

我对 Web Scraping 和 python 领域比较陌生。我正在尝试从超市/在线杂货店抓取数据。我在清理刮取的数据时遇到问题-刮取的数据样本

• Tata Salt Lite，低钠盐，1kg
• Fortune Kachi Ghani 纯芥末油，1L（宠物瓶装）
• Bourbon Bliss，150g（买三送一）亚马逊品牌
• Vedaka Popular Toor/Arhar Dal，1 公斤
• Eno 瓶 100 克（常规）专业版
• Nature 100% 有机马苏尔黑整体，500g
• Surf Excel 液体洗涤剂 1.05 L

考虑到上述数据样本，我想将数量与产品名称分开。所需格式名称 - Tata Salt Lite, Low Sodium, 数量 -1kg 名称 - Fortune Kachi Ghani 纯芥末油
数量 - 1L 等等...我试图用正则表达式将其分开

re.split("[,/._-]+", i)

但取得了部分成功。任何人都可以帮助我如何处理数据集。提前致谢。

标签： python-3.xseleniumweb-scrapingweb-crawlerdata-cleaning

Answer 1

您可以尝试对每个字符串实施以下解决方案：

text_content = "Tata Salt Lite, Low Sodium, 1kg"
quantity = re.search("(\d+\s?(kg|g|L))", text_content).group()
name = text_content.rsplit(quantity)[0].strip().rstrip(',')
description = "Name - {}, Quantity - {}".format(name, quantity)