從 pdf 財務(wù)報表中解包出來了一些數(shù)據(jù),經(jīng)過處理,格式上仍存在一些問題。
report_list = [
{'index': '處置固定資產(chǎn)、無形資產(chǎn)和其'},
{'index': '他長期資產(chǎn)收回的現(xiàn)金凈額', 'bqje': '15,000.00 3,800.00'},
{'index': '金'},
{'index': '收到其他與籌資活動有關(guān)的現(xiàn)', 'bqje': '14,691,042.80'}
]
想達(dá)到的效果是:
report_list = [
{'index': '處置固定資產(chǎn)、無形資產(chǎn)和其他長期資產(chǎn)收回的現(xiàn)金凈額', 'bqje': '15,000.00 3,800.00'},
{'index': '收到其他與籌資活動有關(guān)的現(xiàn)金', 'bqje': '14,691,042.80'}
]
上述列表中:
1、report_list[0]
, report_list[1]
語義上看,index
本來是一個,但被解析成了兩個。
2、report_list[2]
, report_list[3]
語義上看,index
本來是一個,而且順序發(fā)生了錯誤。
有沒有類似的語言包? 或者自己定義一個 key 該如何進(jìn)行處理?
處理后的順序信息已經(jīng)丟失了,如果只是詞語中間截斷還可以合并,
但是如果截斷后是語義仍是完整的話,順序就不那么好處理了。
解決方法:
優(yōu)先考慮從解包的時候保留這個順序信息。
合并過程,以bqje作為項分割點,拼接新字符串(正反順序都有)
然后利用規(guī)則計算最優(yōu)的字符串。規(guī)則比如說,利用jieba分詞計算新字符串分詞后的詞個數(shù)。
正確順序的一般分詞數(shù)少于錯誤的順序的字符串的分詞數(shù)(錯誤字符串里分詞會出現(xiàn)斷裂區(qū)的單字詞)
如:
他1 長期2 資產(chǎn)3 收回4 的5 現(xiàn)金6 凈額7 處置8 固定資產(chǎn)9 、10 無形資產(chǎn)11 和12 其13
處置1 固定資產(chǎn)2 、3 無形資產(chǎn)4 和5 其他6 長期7 資產(chǎn)8 收回9 的10 現(xiàn)金11 凈額12
北大青鳥APTECH成立于1999年。依托北京大學(xué)優(yōu)質(zhì)雄厚的教育資源和背景,秉承“教育改變生活”的發(fā)展理念,致力于培養(yǎng)中國IT技能型緊缺人才,是大數(shù)據(jù)專業(yè)的國家
北大青鳥中博軟件學(xué)院創(chuàng)立于2003年,作為華東區(qū)著名互聯(lián)網(wǎng)學(xué)院和江蘇省首批服務(wù)外包人才培訓(xùn)基地,中博成功培育了近30000名軟件工程師走向高薪崗位,合作企業(yè)超4
中公教育集團創(chuàng)建于1999年,經(jīng)過二十年潛心發(fā)展,已由一家北大畢業(yè)生自主創(chuàng)業(yè)的信息技術(shù)與教育服務(wù)機構(gòu),發(fā)展為教育服務(wù)業(yè)的綜合性企業(yè)集團,成為集合面授教學(xué)培訓(xùn)、網(wǎng)
達(dá)內(nèi)教育集團成立于2002年,是一家由留學(xué)海歸創(chuàng)辦的高端職業(yè)教育培訓(xùn)機構(gòu),是中國一站式人才培養(yǎng)平臺、一站式人才輸送平臺。2014年4月3日在美國成功上市,融資1
曾工作于聯(lián)想擔(dān)任系統(tǒng)開發(fā)工程師,曾在博彥科技股份有限公司擔(dān)任項目經(jīng)理從事移動互聯(lián)網(wǎng)管理及研發(fā)工作,曾創(chuàng)辦藍(lán)懿科技有限責(zé)任公司從事總經(jīng)理職務(wù)負(fù)責(zé)iOS教學(xué)及管理工作。
浪潮集團項目經(jīng)理。精通Java與.NET 技術(shù), 熟練的跨平臺面向?qū)ο箝_發(fā)經(jīng)驗,技術(shù)功底深厚。 授課風(fēng)格 授課風(fēng)格清新自然、條理清晰、主次分明、重點難點突出、引人入勝。
精通HTML5和CSS3;Javascript及主流js庫,具有快速界面開發(fā)的能力,對瀏覽器兼容性、前端性能優(yōu)化等有深入理解。精通網(wǎng)頁制作和網(wǎng)頁游戲開發(fā)。
具有10 年的Java 企業(yè)應(yīng)用開發(fā)經(jīng)驗。曾經(jīng)歷任德國Software AG 技術(shù)顧問,美國Dachieve 系統(tǒng)架構(gòu)師,美國AngelEngineers Inc. 系統(tǒng)架構(gòu)師。