Parsarea fișierelor PDF
Acum trebuie să lucrezi la un alt proiect mic pe care l-ai tot amânat. Compania ta ți-a furnizat câteva fișiere PDF cu contracte semnate. Scopul proiectului este să creezi o bază de date cu informațiile extrase din acestea. Trei dintre coloane ar trebui să corespundă zilei, lunii și anului în care a fost semnat fiecare contract.
Datale apar în formatul Signed on 05/24/2016 (05 indicând luna, 24 ziua). Decizi să folosești grupuri de captare pentru a extrage aceste informații și să le stochezi separat în variabile diferite.
Decizi să faci o demonstrație practică.
Variabila contract, care conține textul unui contract, și modulul re sunt deja încărcate în sesiunea ta. Poți folosi print() pentru a vizualiza datele în Shell-ul IPython.
Acest exercițiu face parte din cursul
Expresii regulate în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Write regex and scan contract to capture the dates described
regex_dates = r"____\s____\s(____)/(____)/(____)"
dates = re.____(____, ____)