re.findall-Python字符过滤(前程无忧薪资字符过滤)

2024-04-20 12:52

本文主要是介绍re.findall-Python字符过滤(前程无忧薪资字符过滤),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

import rere.findall

过滤

万/年

'40-80万/年'if re.findall(r'(.*)\-(.*)\万\/\年', i):s = re.findall(r'(.*)\-(.*)\万\/\年', i)[0]print(s)print(s[0])
('40', '80')
40

前程无忧薪资字符过滤

abb = ['1-1.6万', '1.5-2万', '2-3万·13薪', '1.5-3万·13薪', '40-80万/年', '9.5千-1.4万·13薪', '6-8千', '6-8千·13薪','6.5-8.5千·13薪', '6.5千-1.3万', '6千-1.2万']for i in abb:# 40-80万/年if re.findall(r'(.*)\-(.*)\万\/\年', i):s = re.findall(r'(.*)\-(.*)\万\/\年', i)[0]a = float(s[0])*10000 / 12# 保留2位小数a = round(a, 0)print(a)print(s)# '9.5千-1.4万·13薪'elif re.findall(r'(.*)\千\-(.*)\万\·(.*)\薪', i):s = re.findall(r'(.*)\千\-(.*)\万\·(.*)\薪', i)[0]a = float(s[0]) * 1000 * float(s[2]) / 12# 保留2位小数a = round(a, 0)print(a)print(i)print(s)# '2-3万·13薪'elif re.findall(r'(.*)\-(.*)\万\·(.*)\薪', i):s = re.findall(r'(.*)\-(.*)\万\·(.*)\薪', i)[0]a = float(s[0]) * 10000 * float(s[2]) / 12# 保留2位小数a = round(a, 0)print(i)print(s)#  6-8千·13薪elif re.findall(r'(.*)\-(.*)\千\·(.*)\薪', i):s = re.findall(r'(.*)\-(.*)\千\·(.*)\薪', i)[0]a = float(s[0]) * 1000 * float(s[2]) / 12# 保留2位小数a = round(a, 0)print(i)print(s)# 6千-1.2万elif re.findall(r'(.*)\千\-(.*)\万', i):s = re.findall(r'(.*)\千\-(.*)\万', i)[0]a = float(s[0]) * 1000# 保留2位小数a = round(a, 0)print(i)print(s)#  '6-8千'elif re.findall(r'(.*)\-(.*)\千', i):s = re.findall(r'(.*)\-(.*)\千', i)[0]a = float(s[0]) * 1000# 保留2位小数a = round(a, 0)print(i)print(s)#  '6-8万'elif re.findall(r'(.*)\-(.*)\万', i):s = re.findall(r'(.*)\-(.*)\万', i)[0]a = float(s[0]) * 10000# 保留2位小数a = round(a, 0)print(i)print(s)

这篇关于re.findall-Python字符过滤(前程无忧薪资字符过滤)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/920310

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

Python QT实现A-star寻路算法

目录 1、界面使用方法 2、注意事项 3、补充说明 用Qt5搭建一个图形化测试寻路算法的测试环境。 1、界面使用方法 设定起点: 鼠标左键双击,设定红色的起点。左键双击设定起点,用红色标记。 设定终点: 鼠标右键双击,设定蓝色的终点。右键双击设定终点,用蓝色标记。 设置障碍点: 鼠标左键或者右键按着不放,拖动可以设置黑色的障碍点。按住左键或右键并拖动,设置一系列黑色障碍点