将字符串转换为字典的简单方法

Posted 2023-02-23

【中文标题】将字符串转换为字典的简单方法

【英文标题】：Simple way to convert a string to a dictionary

【发布时间】：2010-12-21 07:50:48

【问题描述】：

将关键字=值字符串转换为字典的最简单方法是什么，例如以下字符串：

name="John Smith", age=34, height=173.2, location="US", avatar=":,=)"

到以下python字典：

'name':'John Smith', 'age':34, 'height':173.2, 'location':'US', 'avatar':':,=)'

'avatar' 键只是为了表明字符串可以包含 = 和 ，所以简单的 'split' 是行不通的。有任何想法吗？谢谢！

【参考方案1】：

这对我有用：

# get all the items
matches = re.findall(r'\w+=".+?"', s) + re.findall(r'\w+=[\d.]+',s)

# partition each match at '='
matches = [m.group().split('=', 1) for m in matches]

# use results to make a dict
d = dict(matches)

【讨论】：

这行得通——只需添加例程将最终值转换为字符串/整数等，并可能去掉值中包含的不需要的双引号。

非常好，谢谢！我知道正则表达式会是答案，只是从来没有学会如何有效地使用它们！

相信我的朋友，他们值得付出努力。找一个好的交互式正则表达式测试器（比如 redemo.py），开始动手吧！

请注意，有些字符串会导致上述正则表达式解决方案做一些奇怪的事情，例如avatar="p=0"，或更糟的是avatar="age=123"。如果这些让您担心，您将需要一个基于解析器的解决方案。顺便说一句，我不知道您是否可以控制输入格式，但是 JSON 非常接近上面的输入格式，并且几乎每种语言都有模块来解析它。 json.org

【参考方案2】：

编辑：由于csv 模块不能按要求处理inside 字段的引号，因此实现此功能需要更多工作：

import re
quoted = re.compile(r'"[^"]*"')

class QuoteSaver(object):

  def __init__(self):
    self.saver = dict()
    self.reverser = dict()

  def preserve(self, mo):
    s = mo.group()
    if s not in self.saver:
      self.saver[s] = '"%d"' % len(self.saver)
      self.reverser[self.saver[s]] = s
    return self.saver[s]

  def expand(self, mo):
    return self.reverser[mo.group()]

x = 'name="John Smith", age=34, height=173.2, location="US", avatar=":,=)"'

qs = QuoteSaver()
y = quoted.sub(qs.preserve, x)
kvs_strings = y.split(',')
kvs_pairs = [kv.split('=') for kv in kvs_strings]
kvs_restored = [(k, quoted.sub(qs.expand, v)) for k, v in kvs_pairs]

def converter(v):
  if v.startswith('"'): return v.strip('"')
  try: return int(v)
  except ValueError: return float(v)

thedict = dict((k.strip(), converter(v)) for k, v in kvs_restored)
for k in thedict:
  print "%-8s %s" % (k, thedict[k])
print thedict

我发送thedict 两次以准确显示它与所需结果的不同之处和原因；输出是：

age      34
location US
name     John Smith
avatar   :,=)
height   173.2
'age': 34, 'location': 'US', 'name': 'John Smith', 'avatar': ':,=)',
 'height': 173.19999999999999

如您所见，当直接使用print 发出时，浮点值的输出是所要求的，但它不是并且 不能 是（因为那里 IS 在这种情况下不会显示173.2 的浮点值！-) 当print 应用于整个dict 时（因为不可避免地在键和值上使用repr - 以及@987654330 @ of 173.2 具有这种形式，考虑到浮点值如何以二进制而不是十进制等存储的常见问题）。你可以定义一个dict 子类，它将__str__ 覆盖为特殊的浮点值，我猜，如果这确实是一个要求的话。

但是，我希望这种分心不会干扰核心思想——只要双引号适当平衡（并且没有双引号内双引号），此代码确实执行保留“特殊字符”（在这种情况下是逗号和等号）在它们位于双引号内时被视为正常意义，即使双引号在 inside 一个“字段”而不是开头字段（csv 只处理后一种情况）。如果代码的工作方式不明显，则插入一些中间打印——首先它将所有“双引号字段”更改为特别简单的形式（"0"、"1" 等），同时分别记录实际内容对应于那些简单的形式是；最后，简单的形式变回原来的内容。双引号剥离（对于字符串）以及将未加引号的字符串转换为整数或浮点数最终由简单的converter 函数处理。

【讨论】：

至于 Managu 的类似解决方案，如果右侧的字符串包含逗号（在我正在使用的情况下它们会这样做），这将不起作用。

你是对的 == csv 不理解字段“中间”的引号。让我想出一些别的东西并修正我的答案。

【参考方案3】：

我会建议一种懒惰的方式。

test_string = 'name="John Smith", age=34, height=173.2, location="US", avatar=":,=)"'
eval("dict()".format(test_string))

'age': 34, 'location': 'US', 'avatar': ':,=)', 'name': 'John Smith', 'height': 173.2

希望这对某人有所帮助！

【参考方案4】：

这是使用 pyparsing 解决问题的更详细的方法。注意解析动作 它自动将类型从字符串转换为整数或浮点数。此外，该 QuotedString 类隐式地从引用的值中去除引号。最后， Dict 类采用逗号分隔列表中的每个 'key = val' 组，并分配 结果名称使用键和值标记。

from pyparsing import *

key = Word(alphas)
EQ = Suppress('=')
real = Regex(r'[+-]?\d+\.\d+').setParseAction(lambda t:float(t[0]))
integer = Regex(r'[+-]?\d+').setParseAction(lambda t:int(t[0]))
qs = QuotedString('"')
value = real | integer | qs

dictstring = Dict(delimitedList(Group(key + EQ + value)))

现在解析您的原始文本字符串，将结果存储在 dd 中。 Pyparsing 返回一个 ParseResults 类型的对象，但此类具有许多类似 dict 的功能（支持 keys()， items()、in 等），或者可以通过调用 asDict() 发出真正的 Python dict。调用转储（） 显示原始解析列表中的所有标记，以及所有命名项目。最后 两个示例显示了如何访问 ParseResults 中的命名项目，就好像它们是 一个 Python 对象。

text = 'name="John Smith", age=34, height=173.2, location="US", avatar=":,=)"'
dd = dictstring.parseString(text)
print dd.keys()
print dd.items()
print dd.dump()
print dd.asDict()
print dd.name
print dd.avatar

打印：

['age', 'location', 'name', 'avatar', 'height']
[('age', 34), ('location', 'US'), ('name', 'John Smith'), ('avatar', ':,=)'), ('height', 173.19999999999999)]
[['name', 'John Smith'], ['age', 34], ['height', 173.19999999999999], ['location', 'US'], ['avatar', ':,=)']]
- age: 34
- avatar: :,=)
- height: 173.2
- location: US
- name: John Smith
'age': 34, 'height': 173.19999999999999, 'location': 'US', 'avatar': ':,=)', 'name': 'John Smith'
John Smith
:,=)

【参考方案5】：

以下代码产生了正确的行为，但有点长！我在头像中添加了一个空格，以表明它可以很好地处理字符串中的逗号和空格以及等号。有什么缩短它的建议吗？

import hashlib

string = 'name="John Smith", age=34, height=173.2, location="US", avatar=":, =)"'

strings = 

def simplify(value):
    try:
        return int(value)
    except:
        return float(value)

while True:
    try:
        p1 = string.index('"')
        p2 = string.index('"',p1+1)
        substring = string[p1+1:p2]
        key = hashlib.md5(substring).hexdigest()
        strings[key] = substring
        string = string[:p1] + key + string[p2+1:]
    except:
        break

d =     
for pair in string.split(', '):
    key, value = pair.split('=')
    if value in strings:
        d[key] = strings[value]
    else:
        d[key] = simplify(value)

print d    

【参考方案6】：

这是eval 的一种方法，虽然我认为它不可靠，但它适用于您的示例。

>>> import re
>>>
>>> s='name="John Smith", age=34, height=173.2, location="US", avatar=":,=)"'
>>>
>>> eval(""+re.sub('(\w+)=("[^"]+"|[\d.]+)','"\\1":\\2',s)+"")
'age': 34, 'location': 'US', 'name': 'John Smith', 'avatar': ':,=)', 'height': 173.19999999999999
>>>

更新：

最好使用 Chris Lutz 在评论中指出的那个，我相信它更可靠，因为即使 dict 值中有（单/双）引号，它也可能有效。

【讨论】：

如果你打算使用eval，为什么不直接使用eval("dict(" + s + ")")？当 Python 已经支持这种语法时，我们不需要在这里做任何正则表达式替换。

【参考方案7】：

这里有一个更强大的正则表达式解决方案：

import re

keyval_re = re.compile(r'''
   \s*                                  # Leading whitespace is ok.
   (?P<key>\w+)\s*=\s*(                 # Search for a key followed by..
       (?P<str>"[^"]*"|\'[^\']*\')|     #   a quoted string; or
       (?P<float>\d+\.\d+)|             #   a float; or
       (?P<int>\d+)                     #   an int.
   )\s*,?\s*                            # Handle comma & trailing whitespace.
   |(?P<garbage>.+)                     # Complain if we get anything else!
   ''', re.VERBOSE)

def handle_keyval(match):
    if match.group('garbage'):
        raise ValueError("Parse error: unable to parse: %r" %
                         match.group('garbage'))
    key = match.group('key')
    if match.group('str') is not None:
        return (key, match.group('str')[1:-1]) # strip quotes
    elif match.group('float') is not None:
        return (key, float(match.group('float')))
    elif match.group('int') is not None:
        return (key, int(match.group('int')))

它会自动将浮点数和整数转换为正确的类型；处理单引号和双引号；处理不同位置的无关空白；如果提供了格式错误的字符串，则会抱怨

>>> s='name="John Smith", age=34, height=173.2, location="US", avatar=":,=)"'
>>> print dict(handle_keyval(m) for m in keyval_re.finditer(s))
'age': 34, 'location': 'US', 'name': 'John Smith', 'avatar': ':,=)', 'height': 173.19999999999999

【参考方案8】：

一步一步来

d=
mystring='name="John Smith", age=34, height=173.2, location="US", avatar=":,=)"';
s = mystring.split(", ")
for item in s:
    i=item.split("=",1)
    d[i[0]]=i[-1]
print d

【参考方案9】：

我认为您只需要设置 maxsplit=1，例如以下应该可以工作。

string = 'name="John Smith", age=34, height=173.2, location="US", avatar=":, =)"'
newDict = dict(map( lambda(z): z.split("=",1), string.split(", ") ))

编辑（见评论）：

我没有注意到“，”是头像下的值，最好的方法是在生成数据的任何地方转义“，”。更好的是像 JSON ;)。但是，作为 regexp 的替代方法，您可以尝试使用 shlex，我认为它可以生成更清晰的代码。

import shlex

string = 'name="John Smith", age=34, height=173.2, location="US", avatar=":, =)"'
lex = shlex.shlex ( string ) 
lex.whitespace += "," # Default whitespace doesn't include commas
lex.wordchars += "."  # Word char should include . to catch decimal 
words = [ x for x in iter( lex.get_token, '' ) ]
newDict = dict ( zip( words[0::3], words[2::3]) )

【讨论】：

它给我这个'': ')"', 'name': '"John Smith"', 'age': '34', 'height': '173.2', 'location': '"US"', 'avatar': '":'

【参考方案10】：

总是用逗号分隔？使用 CSV 模块将行拆分为多个部分（未选中）：

import csv
import cStringIO

parts=csv.reader(cStringIO.StringIO(<string to parse>)).next()

【讨论】：

这在右侧的字符串包含逗号的情况下不起作用，例如在上面的“头像”案例中。逗号只有在引号内时才会出现在右侧，所以也许可以考虑到这一点？

如果您使用正确的方言，

CSV 应该考虑到这一点。