小编paw*_*lty的帖子

我想把巴西名字分成几部分.但是,有下面的名称,其中"de","da"(和其他)不是单独的部分,它们总是与下面的单词一起使用.所以正常分裂不起作用.

test1 = "Francisco da Sousa Rodrigues" #special split
test2 = "Emiliano Rodrigo Carrasco" #normal split
test3 = "Alberto de Francia" #special split
test4 = "Bruno Rezende" #normal split

我的预期输出是:

[Francisco, da Sousa, Rodrigues] #1
[Emiliano, Rodrigo, Carrasco] #2
[Alberto, de Francia] #3
[Bruno, Rezende] #4

对于特殊情况,我尝试了这种模式:

PATTERN = re.compile(r"\s(?=[da, de, do, dos, das])")
re.split(PATTERN, test1) (...)

但输出不是我的预期:

['Francisco', 'da Sousa Rodrigues'] #1
['Alberto', 'de Francia'] #3

知道怎么解决吗？有没有办法只使用一种模式"正常"和"特殊"情况？

我在熊猫中有以下DF:

+---------+--------+--------------------+
| keyword | weight |   other keywords   |
+---------+--------+--------------------+
| dog     | 0.12   | [cat, horse, pig]  |
| cat     | 0.5    | [dog, pig, camel]  |
| horse   | 0.07   | [dog, camel, cat]  |
| dog     | 0.1    | [cat, horse]       |
| dog     | 0.2    | [cat, horse , pig] |
| horse   | 0.3    | [camel]            |
+---------+--------+--------------------+

我想要执行的任务是按关键字进行分组,同时计算关键字频率,按权重平均并按其他关键字求和.结果将是这样的:

+---------+-----------+------------+------------------------------------------------+
| keyword | frequency | avg weight |                  sum other keywords            |
+---------+-----------+------------+------------------------------------------------+
| …

我有一个包含人员数据的大数据框。我想压平所有奇怪的变音符号并将它们转换为最接近的 ascii 字符。基于我在 SO 中找到的解决方案，我执行以下操作：

for column in df.columns:
            df[column] = df[column].astype("str").str.normalize('NFKD').str.encode('ascii', errors='ignore').str.decode('utf-8')

它适用于大多数情况（还没有全部检查过）但是我注意到它漏掉了字母 '?' 用波兰语。例如Lech Wa??sa被翻译成Lech Waesa而我的期望是看到Lech Walesa. 我的猜测是它是ignore参数在str.encode方法中的作用。知道如何使它适用于任何变音符号吗？

我有两个谷歌电子表格：

QC- 很多列，我想检查第 4 列的值是否出现在第二个电子表格 lastEdited_PEID 中；如果是这样，它会放“宾果游戏！” 在找到值的同一行的第 14 列中

lastEdited- 一列，值的长电子表格

我使用以下代码实现了这一点：

#acces the documents on Drive
QC = gc.open_by_key("FIRST KEY").sheet1
lastEdited = gc.open_by_key("SECOND KEY").sheet1

#get values from columns and convert to lists 
QC_PEID = QC.col_values(4)
lastEdited_PEID = lastEdited.col_values(1)

#iterate by rows and check if value from each row appears in the second document
for value in QC_PEID:
    ind = QC_PEID.index(value)
    if value in lastEdited_PEID:
        QC.update_cell(ind, 14, 'Bingo!')

所以它完成了这项工作，但它的执行速度非常慢（大约 5 分钟）。我担心速度，因为我必须为大约 50 个电子表格（每个平均 6000 行）执行操作。

我尝试使用循环中的以下代码在找到时从第二个列表中删除元素（它只能出现一次）：

    for value in …

我正在尝试抓取这个网站http://bombayhighcourt.nic.in/party_query.php。一切顺利，直到我第一次抓取结果并返回此页面。然后出现以下警报：

我可以看到负责警报的代码是这样的：

function validate()
{
  with(document.pqueryfrm)
  {
    if(trim(m_party.value)=="")
    {
      alert("Enter Party Name");
      m_party.focus();
      return false;
    }
    if(m_party.value=="")
    {
      alert("Enter Party Name");
      m_party.focus();
      return false;
    }
  }
}

我正在尝试使用此代码在此警报中单击“确定”，但它没有执行任何操作：

        try:
            WebDriverWait(s.mydriver, 3).until(EC.alert_is_present(),"Enter Party Name" )
            alert = s.mydriver.switch_to.alert()
            alert.accept()
            print("alert accepted")
        except TimeoutException:
            print ("no alert")

我收到以下错误消息：

UnexpectedAlertPresentException: Alert Text: None
Message: unexpected alert open: {Alert text : Enter Party Name}
  (Session info: chrome=55.0.2883.87)
  (Driver info: chromedriver=2.26.436362 (5476ec6bf7ccbada1734a0cdec7d570bb042aa30),platform=Windows NT 6.1.7601 SP1 x86_64)

我究竟做错了什么？

我的程序执行以下操作:

• 获取txt文件的文件夹
• 对于每个文件:
  • 读取文件
  • 使用文件内容对localhost中的API执行POST请求
  • 解析XML响应(不在下面的示例中)

我担心程序的同步版本的性能,所以试图aiohttp使其异步(这是我在Python中除了Scrapy之外的第一次异步编程尝试).原来,异步代码花了2倍的时间,我不明白为什么.

同步代码(152秒)

url = "http://localhost:6090/api/analyzexml"
package = #name of the package I send in each requests
with open("template.txt", "r", encoding="utf-8") as f:
    template = f.read()

articles_path = #location of my text files

def fetch(session, url, article_text):
    data = {"package": package, "data": template.format(article_text)}
    response = session.post(url, data=json.dumps(data))
    print(response.text)

files = glob(os.path.join(articles_path, "*.txt"))

with requests.Session() as s:
    for file in files:
        with open(file, "r", encoding="utf-8") as f:
                article_text = f.read()
        fetch(s, url, article_text)

分析结果: …