Најди сличен содржај

Изворен канал @pythonotes · Post #65 · 8 апр.

Небольшой трик с регулярными выражениями который редко вижу в чужом коде. Допустим, вам нужно распарсить простой текст и вытащить оттуда пары имя+телефон. Вернуть всё это надо в виде списка словарей. Возьмем очень простой пример текста. >>> text = ''' >>> Alex:8999123456 >>> Mike:+799987654 >>> Oleg:+344456789 >>> ''' Соответственно, для выделения нужных элементов будем использовать группы. Получится такой паттерн: (\w+):([\d+]+) Как мы будем формировать словарь из найденных групп? >>> import re >>> results = [] >>> for match in re.finditer(r"(\w+):([\d+]+)", text): >>> results.append({ >>> "name": match.group(1), >>> "phone": match.group(2) >>> }) >>> print(results) [{'name': 'Alex', 'phone': '8999123456'}, ...] Можно немного сократить запись используя zip >>> results = [] >>> for match in re.finditer(r"(\w+):([\d+]+)", text): >>> results.append(dict(zip(['name', 'phone'], match.groups()))) Но есть способ лучше! Это именованные группы в regex. Можно в паттерне указать имя группы и результат сразу забрать в виде словаря. >>> for match in re.finditer(r"(?P<name>\w+):(?P<phone>[\d+]+)", text): >>> results.append(match.groupdict()) То есть всё что я сделал, это добавил в начале группы (внутри сбокочек) такую запись: (?P<group-name>...) Теперь найденная группа имеет имя и можно обратиться к ней как к элементу списка >>> name = match['name'] Либо забрать сразу весь словарь методом groupdict() >>> match.groupdict() #tricks#regex

Hashtags

#tricks #regex

Резултати

Пронајдени 1 слични објави

Пребарај: #aitrilogue

当前筛选 #aitrilogue清除筛选

AI & Law

@ai_and_law · Post #74 · 03.08.2023 г., 07:04

Најди слично Погледај

Advancing Responsible AI: Insights from the American Chamber of Commerce Hello, AI community! Today, we bring you valuable insights from the American Chamber of Commerce to the European Union's position paper for the AI Act trilogue negotiations. Let's look into the facts and recommendationstons. 🔹 Defining AI: The Chamber encourages EU decision-makers to align the definition of AI with the OECD's definition. A clear and internationally accepted AI definition fosters multilateral coordination in AI policy. 🔹 Streamlining High-Risk Designation: The paper suggests narrowing the scope of high-risk designation to avoid vagueness. This focused approach ensures that AI technologies with genuine high-risk factors receive appropriate attention while minimizing unnecessary burdens on other AI systems. 🔹 Outcome-Oriented Flexibility: Chapter III requirements largely match current responsible AI practices. However, the Chamber emphasizes the importance of remaining flexible and outcome-oriented. 🔹 Obligations for Foundation Models and General Purpose AI: The paper calls for obligations tailored to foundation models and general-purpose AI. 🔹 Transparency in Artificially Generated Content: Transparency is key when it comes to artificially generated content. The Chamber advocates for measures that promote understanding and disclosure of AI-generated content to safeguard users from potential misinformation and manipulation. 🔹 Harmonized Enforcement and Flexible Standards: To create a robust AI landscape, harmonized enforcement and clear yet flexible standards are necessary. #ResponsibleAI#AIRegulation#AIAct#AITrilogue#TechPolicy#AICommunity#GlobalAI#AIStandards

Hashtags

#responsibleai #airegulation #aiact #aitrilogue #techpolicy #aicommunity #globalai #aistandards