PDF 파일 파싱하기
이제 미뤄 두었던 또 다른 작은 프로젝트를 진행해야 해요. 회사에서 서명된 계약서의 PDF 파일을 몇 개 받았고, 이들에서 필요한 정보를 파싱해 데이터베이스를 만드는 것이 목표예요. 이 중 세 개의 열은 계약서에 서명한 날짜의 일, 월, 연도를 나타내야 해요.
날짜는 Signed on 05/24/2016처럼 나타나며, 여기서 05는 월, 24는 일을 의미해요. 이 정보를 추출하기 위해 캡처 그룹을 사용하기로 했어요. 또한 이 정보를 각각 다른 변수에 따로 저장할 수 있도록 가져오고 싶어요.
먼저 개념 증명(proof of concept)을 해 보려고 해요.
한 개의 계약서 본문이 들어 있는 변수 contract와 re 모듈은 이미 세션에 로드되어 있어요. IPython 셸에서 print()를 사용해 데이터를 확인할 수 있어요.
이 연습은 강의의 일부입니다
Python에서의 정규 표현식
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Write regex and scan contract to capture the dates described
regex_dates = r"____\s____\s(____)/(____)/(____)"
dates = re.____(____, ____)