从产品名称中 分离出产品类别 对长字符串的处理

Posted 2021-06-14 走python的路

下面一组数据在工作中很常见，数据清洗的 功能之一 就是将 复杂的长字符串 进行分离，提取有效信息。

 一、从title 中提取出 产品 主类别和次类别

 处理思路：

1.将title列，通过分词工具（jieba）将长字符串进行分离。jieba是普遍分词，对于专业领域，我们还有别的特殊分词工具

2.jieba.cut(str) 之后 用list()将结果包裹一下

3.百度一下 化妆品的常见分类，将其整理成{\'品名\':[一级分类，二级分类]}的字典格式备用

 

 4. 遍历表格subtitle的每一行，遍历subtitle中的每一个元素，如果元素是字典的key， 标记此行一级分类，二级分类到列表，如果元素不是字典的KEY，标记此行一级分类，二级分类为其它到列表。

 5. 将一级分类，二级分类列表作为表格的列 添加进表格。完成对长字符串 产品品类的提取

 

 二、从title中提取 产品试用性别（是否男性专用）