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
🤖Создавай ботов и ассистентов с доступом к большим объемам информации!
В нашем сервисе вы можете создавать Telegram-ботов и GPTs-ассистентов, используя векторные базы данных.
Это позволяет:
• Боту искать релевантную информацию в базе данных для ответа на запрос
• Загружать большие массивы данных без перегрузки контекста в чате с моделью
Смотрите наш подробный скринкаст, где мы показали как создать и использовать векторную базу данных в GPTunneL
🌐YouTube |
🌐Rutube
#b2b@gptunnel#assistant@gptunnel#bd@gptunnel
Рейтинг архитектурных фирм в области S+T
Отчет BD+C's 2025 Giants 400 Report представляет передовые компании в архитектуре научно-технических сооружений в США. Лидерами стали Gensler, Page и HDR с выручкой более $100 млн каждая. Эти компании фокусируются на разработке лаборатоий, исследовательских зданий и производственных предприятий.
Gensler занимает первое место с выручкой в $133,5 млн, подчеркивая свою неоспоримую позицию на рынке. Другие участники, такие как HOK и Flad Architects, также играют значительную роль в создании инновационных объектов.
Отчет демонстрирует, как архитектура играет ключевую роль в научно-техническом прогрессе. Это подтверждает важность интеграции инженерии и дизайна в современном строительстве.
#Архитектура#НаукаИТехнологии#СтроительныеТренды#BD+C2025
@stroynewsrussia