TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

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

Резултати

Пронајдени 2 слични објави

Пребарај: #mdm

当前筛选 #mdm清除筛选
IBS

@ibs_ru · Post #2434 · 26.02.2026 г., 07:00

Порядок в справочниках — экономия в бюджете: как НСИ снижает издержки📶 В крупных компаниях одна и та же позиция может называться по-разному: разные коды, синонимы, опечатки. В результате данные фрагментируются, спрос невозможно агрегировать, а централизованные закупки теряют эффективность. Наши эксперты Денис Васильев и Евгений Антропов объясняют, почему управление нормативно-справочной информацией (НСИ) напрямую влияет на финансовые показатели бизнеса. Решение — методология ведения НСИ и внедрение MDM-систем, которые формируют единый реестр номенклатуры и позволяют консолидировать данные по всей группе компаний. Эффекты от внедрения: 📊снижение расходов на закупки на 15–25% за счет консолидации объёмов; 📊сокращение складских запасов примерно на 20%; 📊снижение затрат на поддержку ИТ-ландшафта в 2–3 раза; 📊повышение прозрачности данных и ускорение выполнения заказов. Подробный разбор методологии управления НСИ, практические рекомендации и кейс нашего клиента — в статье #НСИ#MDM#данные#кейс

Libertà è ragione

@libertaeragione · Post #3964 · 25.09.2023 г., 10:01

#Elezioni#Francia#Senato Composizione del prossimo Senato: #REP (#LR-#SL-#RSM-#ASFE-#MAP-#LFA-#Reconquête)|EPP|NI: 139 seggi #SER (#PS-#MDC-#MPF)|S&D: 68 #UC (#UDI-#LC-#MoDem-#PRV-#AC-#CE-#TH)|RE|EPP: 51 #RDPI (#Renaissance-#GUSR-#MDM-#GR-#NFG-#ION)|RE: 22 #CRCE (#PCF-#GRS-#PLR): 17 #LIRT (#Horizons-#UDI-#PRV)|RE|EPP: 17 #EST (#EELV-#FaC)|G/EFA: 16 #RDSE (#PRG-#PRV-#PS-#Renaissance-#LFD13-#AC)|RE|S&D: 14 Non iscritti (#RN|ID, #Reconquête|NI): 4 Totale seggi: 348 Maggioranza: 175 @OsservatorioEsteri