PDF-bestanden parsen
Je gaat nu aan de slag met een klein project dat je steeds hebt uitgesteld. Je bedrijf heeft je een aantal PDF-bestanden met ondertekende contracten gegeven. Het doel is om een database te maken met de informatie die je eruit haalt. Drie van de kolommen moeten overeenkomen met de dag, maand en het jaar waarin het contract is ondertekend.
De datums komen voor als Signed on 05/24/2016 (05 is de maand, 24 de dag). Je besluit capturing groups te gebruiken om deze informatie te extraheren. Ook wil je die informatie ophalen zodat je die apart kunt opslaan in verschillende variabelen.
Je besluit een proof of concept te doen.
De variabele contract met de tekst van één contract en de module re zijn al in je sessie geladen. Je kunt print() gebruiken om de gegevens in de IPython Shell te bekijken.
Deze oefening maakt deel uit van de cursus
Regular expressions in Python
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Write regex and scan contract to capture the dates described
regex_dates = r"____\s____\s(____)/(____)/(____)"
dates = re.____(____, ____)