PDF로 변환된 텍스트 파일의 정규식 구문 분석에 대한 도움말<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />그래서 저는 제가 찾은 멋진 데이터 세트를 작업하고 있습니다.
https://data.montgomerycountymd.gov/Public-Safety/Traffic-Violations/4mse-ku6q?
3년 동안 약 60만 건의 교통 위반. 재코딩이 필요한 많은 것, 많은 텍스트 데이터 및 몇 가지 흥미로운 지리공간적 것들이 있습니다.
열 중 하나는 운전자에게 실제로 부과된 요금인 '요금'입니다. 모든 ID, ID가 무엇인지, 티켓 가격은 얼마인지, 충전 포인트는 얼마인지가 포함된 PDF 파일을 찾았습니다. 텍스트 파일(첨부)로 변환된 PDF만 찾을 수 있었습니다.
위반 테이블과 조인할 수 있도록 이를 JMP 테이블로 가져오는 방법에 대한 좋은 아이디어가 있는 사람이 있다면 정말 도움이 될 것입니다. 정규식 구문 분석이 이를 실현하는 데 필요한 것이라고 생각하고 .txt 테이블의 X XYZ (X) 구조를 요금이 있는 X.XYZ(X) 구조로 일치시킵니다.
관심이 있으신 분을 위해 여기에 원시 데이터도 넣었습니다: smb://JMPSMD/Users2/Valente-D/TrafficData
감사해요!
Re: PDF로 변환된 텍스트 파일의 정규식 구문 분석에 대한 도움말단,
이번주 말에 작업할 시간이 좀 있을 것 같아요. TXT 파일의 약간 더 명확한 버전을 얻는 것이 도움이 될 것입니다. 특히 일부 라인(266 등)은 기둥이 2~3개 그룹으로 쌓인 것처럼 처리되었습니다. 길이가 약 300을 넘는 대부분의 항목은 이러한 방식으로 처리되었습니다(대략 200/1376). Text 열의 값은 캐리지 리턴 및 새 줄(\!r, \!n)에서만 원본 파일을 구문 분석하여 생성되었습니다.
두목
Re: PDF로 변환된 텍스트 파일의 정규식 구문 분석에 대한 도움말고마워요, 돈. 나는 그것이 도전이 될 것이라고 생각했습니다. 이것은 좋은 시작입니다. 마스터 테이블에 대해 조인하고 내가 무엇을 얻는지 살펴보겠습니다. 완벽할 필요는 없습니다. 650,000개의 레코드가 있으므로 그 중 20-30%만 확보해도 합리적인 데모 데이터 세트가 됩니다. 도움을 주셔서 감사합니다! 내가 알려 주마.
-단
Re: PDF로 변환된 텍스트 파일의 정규식 구문 분석에 대한 도움말단,
나는 몇 시간 동안 이 작업을 했습니다. PDF를 텍스트로 번역하는 데 많은 실수가 있으며 입력의 약 1/3에 문제가 있습니다. 그것을 정리하려면 상당한 시간이 걸릴 것이다. 더 깔끔한 번역을 얻을 수 있다면 작업할 수 있는 작업을 수행할 수도 있지만 불행히도 실제로 작업할 시간이 없습니다. 지금까지 제가 수행한 작업에 대한 표를 첨부해 놓았습니다. 보고 싶으시면 확인해 보세요.
두목
Re: PDF로 변환된 텍스트 파일의 정규식 구문 분석에 대한 도움말단,
이것은 매우 도움이 됩니다. 내가 무엇을 할 수 있는지 보자.
두목
Re: PDF로 변환된 텍스트 파일의 정규식 구문 분석에 대한 도움말안녕 돈 --
티켓을 받지 못했습니다. 지저분하고 대규모의 흥미로운 산업 간 데이터 세트를 찾고 있습니다.
원본 PDF는 다음과 같습니다.
http://www.courts.state.md.us/district/forms/criminal/dccr090.pdf
당신의 생각을 확인하십시오. 당신의 도움을 주셔서 감사합니다.
단
Re: PDF로 변환된 텍스트 파일의 정규식 구문 분석에 대한 도움말단,
텍스트 파일을 살펴본 결과 변환으로 인해 형식이 변경되었을 수 있다고 생각합니다. 구조를 도와주실 수 있다면 아마도 정규식과 함께 뭔가를 추가할 수 있을 것입니다.
...물론 최근에 받은 티켓을 벤치마킹하려는 경우는 제외됩니다. 그런 경우에는 내 매니저가 내가 그렇게 하는 것을 엄격히 금지할 것입니다.
두목
Re: PDF로 변환된 텍스트 파일의 정규식 구문 분석에 대한 도움말단,
최근에 티켓을 받고 이를 다른 벌금과 비교하려고 했기 때문이 아니기를 바랍니다.
루
