1, 处理要求

  1. 1.保留字段
  2. 接受号码，运营商，地区，客户提交时间，对外转发时间，状态报告回执时间，状态
  3. 2.内容字段需要处理
  4.     a.提前【 】 内的字段（如【神州租车】，提取 神州租车）
  5.     b.判断内容里是否包含验证码三个字，如果包含，多返回一个字段1，如果不包含，返回0
  6. 3.最后返回文件为txt，字段之间间隔为“，”,行数据间隔为换行符
  8. 样例
  9. 含验证码：
  10. 接受号码，运营商，地区，客户提交时间，对外转发时间，状态报告回执时间，状态，神州租车，1
  11. 不含验证码：
  12. 接受号码，运营商，地区，客户提交时间，对外转发时间，状态报告回执时间，状态，神州租车，0

2, 数据文件

test.xlsx

3, 处理脚本

  2. import pandas as pd
  3. import re
  6. def contain_verification_code(content: str) -> int:
  7.     """
  8.     判断是否包含验证码
  9.     :param content:
  10.     :return:
  11.     """
  12.     if '验证码' in content:
  13.         return 1
  14.     else:
  15.         return 0
  18. def get_autograph(content: str) -> str:
  19.     """
  20.     这个正则表达式unicode编码
  21.     3010【
  22.     3011 】
  23.     :param content:
  24.     :return:
  25.     """
  26.     regex_pattern = r".*\u3010(.+)\u3011.*"
  27.     a = re.findall(pattern=regex_pattern, string=content)
  28.     if len(a) > 0:
  29.         return a[0]
  30.     else:
  31.         return '不存在'
  34. if __name__ == '__main__':
  35.     input_path='lyj.xlsx'
  36.     df = pd.read_excel(input_path)
  37.     print(df.columns.tolist())
  38.     reversed_fields = '接收号码,运营商,地区,客户提交时间,对外转发时间,状态报告回执时间,状态,签名,类别'.split(',')
  40.     #df['类别'] = df['内容'].apply(contain_verification_code)
  41.     #df['签名'] = df['内容'].apply(get_autograph)
  42.     # 用这个似乎更直接
  43.     df['类别'] = df['内容'].str.extract('.*\u3010(.+)\u3011.*').fillna('不存在')
  44.     df['签名'] = df['内容'].str.contains('验证码').astype(int)
  46.     print(reversed_fields)
  47.     print(df[['类别', '签名','内容']].head())
  48.     df = df[reversed_fields]
  49.     output_path='lyj.txt'
  50.     df.to_csv(path_or_buf=output_path, sep=',', index=False)