最近参加了数学建模，在解题过程中有了一些心得，记录一下
非常渴望能得到python大大们的指点，非常感谢
Andrew_liu的博客对我的python学习有很大的帮助，在这里向他表示感谢
1. 文件处理步骤
- 利用Notepad++打开待处理文件，搜索到需要提取出的信息
- 分析信息在字典中的层次，采用合适方式进行提取，主要有两种情况：
2.1 信息是字典中的一个序列，利用序列名直接在字典中进行提取
2.2 信息是字典中某一序列的一部分，分析其特征设计正则表达式进行提取 - 去除其中的空数据和无效数据
注意字符的编码格式，我是统一用的utf-8格式
利用异常处理可以避免文件遍历时出现的中断
JSON的object对应python中的字典（dict），可以直接按照字典进行处理
2. 实现的功能
- 在所给的JSON文件中提取出以下信息：简历ID，性别，婚姻状况，学历，性别，预期职位，预计薪资
- 将所抽取的信息保存到另一个JSON文件中
3. 用到的python模块
-
json模块：用于编码和解码JSON对象 -
re模块：正则表达式模块
个人使用的python版本是3.5.1
re模块在python标准库中，直接导入就好
json模块需要利用pip安装
4. 源代码
输入文件每一行的开头都有
'#RESUMEID#'，利用strip()去除
输入文件有两个，为了避免覆盖，将写入文件'outputJsonFile'的打开方式设为'a+'
代码re.findall(r'"major":"(.*?)"', line, re.S)利用正则抽取专业信息
字符编码格式为'utf-8'
import re
import json
def processJson(inputJsonFile, outputJsonFile):
fin = open(inputJsonFile, 'r', errors='ignore', encoding='utf-8')
fout = open(outputJsonFile, 'a+', errors='ignore', encoding='utf-8')
for eachline in fin:
line = eachline.strip()
line = line.strip('#RESUMEID#')
js = None
majorStr = re.findall(r'"major":"(.*?)"', line, re.S)
married = re.findall(r'"married":(.*?),', line, re.S)
try:
js = json.loads(line)
except Exception as e:
continue
if ((js["expectPosition"]=='') or (js["expectPosition"]=='其他') or (js["address"]=='')
or (js["expectSalary"]=='') or (js["expectSalary"]=='面议/月')):
continue
if (re.search(r'"expectSalary":"([0-9]*?)-', line, re.S)):
js["expectSalary"] = re.findall(r'"expectSalary":"(.*?)-', line, re.S)
else:
continue
jsout = {"ID":js["id"] , "address":js["address"], 'gender':js["gender"], "degree":js["degree"],
"major":majorStr, "married": married,"expectPosition":js["expectPosition"],
"expectSalary":js["expectSalary"]}
outStr = json.dumps(jsout, ensure_ascii = False)
fout.write(outStr)
fout.write('\n')
fin.close()
fout.close()
if __name__ == '__main__':
processJson('201601.txt.json', 'Q1inputData.json')
processJson('201602.txt.json', 'Q1inputData.json')
