PDF 化されたテキスト ファイルの Regex 解析に関するヘルプ<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />そこで、私は見つけた素晴らしいデータセットに取り組んでいます。
https://data.montgomerycountymd.gov/Public-Safety/Traffic-Violations/4mse-ku6q?
3年間で約60万件の交通違反。 再コーディングが必要なもの、テキスト データ、興味深い地理空間に関するものがたくさんあります。
列の 1 つは「料金」で、ドライバーに実際に与えられた料金です。 すべての ID、ID の内容、チケットの金額、チャージのポイント数が記載された PDF ファイルを見つけました。 PDF しか見つかりませんでしたが、テキスト ファイルに変換されました (添付)。
これを JMP テーブルに取り込み、違反テーブルと結合できるようにする方法について誰かが良いアイデアを持っていれば、それは非常に役立ちます。 これを実現するには正規表現解析が必要で、.txt テーブルの X XYZ (X) 構造を、料金である X.XYZ(X) 構造に適合させる必要があると思います。
興味がある人のために生データもここに置きます: smb://JMPSMD/Users2/Valente-D/TrafficData
ありがとう！
Re: PDF 化されたテキスト ファイルの Regex 解析に関するヘルプダン、
週末には少し作業する時間が取れるかもしれません。 TXT ファイルのもう少し明確なバージョンを入手すると役に立ちます。 特に、一部の行 (266 など) は、列が 2 つまたは 3 つのグループに積み重ねられているかのように扱われました。 約 300 を超える長さのエントリのほとんどがこの方法で処理されました (約 200/1376)。 Text 列の値は、復帰と改行 (\!r、\!n) のみで元のファイルを解析することによって作成されました。
ドン
Re: PDF 化されたテキスト ファイルの Regex 解析に関するヘルプありがとう、ドン。 それは挑戦になるだろうと思いました。 これは良いスタートです。 これをマスター テーブルに対して結合して、何が得られるか見てみましょう。 完璧である必要はありません。 650,000 件のレコードがあるため、そのうちの 20 ～ 30% を取得するだけでも、妥当なデモ データ セットになります。 助けてくれてありがとう！ 知らせます。
-ダン
Re: PDF 化されたテキスト ファイルの Regex 解析に関するヘルプダン、
私はこれに数時間取り組みました。 PDF からテキストへの翻訳には多くの間違いがあり、入力の約 3 分の 1 に問題があります。 きれいにするにはかなりの時間がかかります。 もっときれいな翻訳をしてもらえれば、何かうまくいくかもしれませんが、残念ながら、実際にそれに取り組む時間がありません。 これまでに行ったことをまとめた表を添付しますので、よろしければご覧ください。
ドン
Re: PDF 化されたテキスト ファイルの Regex 解析に関するヘルプダン、
これはとても役に立ちます。 私に何ができるか見てみましょう。
ドン
Re: PDF 化されたテキスト ファイルの Regex 解析に関するヘルプこんにちは、ドン --
チケットが取れませんでした。 乱雑で大規模な、興味深い業界横断的なデータセットを探しているだけです。
元の PDF は次のとおりです。
http://www.courts.state.md.us/district/forms/criminal/dccr090.pdf
どう思うか見てみましょう。 ご協力いただきありがとうございます。
ダン
Re: PDF 化されたテキスト ファイルの Regex 解析に関するヘルプダン、
テキスト ファイルを確認したところ、変換によって形式が変更された可能性があると思います。 構造を手伝ってもらえれば、正規表現を使って何かを組み立てることができるでしょう。
...もちろん、最近受け取ったチケットをベンチマークしようとしている場合を除きます。 その場合、上司は私にそんなことを厳しく禁じます。
ドン
Re: PDF 化されたテキスト ファイルの Regex 解析に関するヘルプダン、
これが、あなたが最近違反切符を受け取って、それを他の罰金と比較しようとしていたためではないことを願います。
ルー
