不规则字符串清洗和指定信息提取-kimi 辅助 python实现

业务型数据分析师，会一点点 python，又不是很会，怎么用 kimi 带飞？

本文手把手教弱代码能力数据分析师。目标把 kimi 的价值挖干榨净！

这个例子非常迷你，但是对于 python 代码基础弱（仅入门水平），又想解决实际问题的分析师，非常有借鉴意义。

作为一个接近 10 年没有再具体写 python 代码的前高级数据分析师，用 kimi后，我不仅捡回了原来的代码能力，甚至还超越了原来的代码水平。说翻个 3-4 倍的效率，一点都不夸张。1 天可以完成原来 3-4 天要写的代码量！ 

接下来，进入正题。

简单说一下背景，有一个朋友，在工厂里做货品库存管理，天天和货品数据打交道，但是做得异常痛苦。为啥呢？

她从系统里导出的货品信息极其不规范。

比如“FER2019-0222”这个货号，她拿到的货品信息就有这么多：

“FER2019-0222镁合金压铸件 化成”

“FER2019-0222镁合金压铸件化成”

“FER2019-0222 镁合金压铸件”

... ...

每次做货品出入库管理的时候，都得手工把货号信息“FER2019-0222”复制出来，才能准确统计货号的库存情况。

无数次 Ctrl+C 、 Ctrl+V，干得她是一点脾气都没有。

那么，能否有简单便捷的方式，批量准确提取货号信息呢？

这是她希望达到的提取结果： 

《部分数据样例》

答案，是，肯定有。

先来分析一下原始字符串的特点。

原始货品信息中，比较规范的是前面的英文+数字的货号，中文名命名是比较随意的。

所以，只需要把货号编码提取出来，就可以进行唯一货品的统计了。

考虑到原始货品信息的编码不完全规范，“FER”开头，“-”有多个，且不一定是由数字结尾。例如“FER2021-0046-002-Sirocco”，则是以“Sirocco”结尾，用 excel 处理基本不可能。

如果要使用 python实现货号编码提取，但是又不是很擅长 python 代码的朋友，可以通过大模型辅助实现。 

这里用 kimi 做说明。 

00 整体解决思路 

开始之前，简单说一下流程，包含几个大步骤：

kimi 人设确定，kimi 任务提示词、 python 代码实现、调试、 kimi 追问以及测试等过程。

几个关键的流程节点如下： 

我们逐一来看一下怎么执行。 

01

确定 kimi 人设 

这里的要点是，告诉kimi，需要扮演什么样的角色，这个是很多提示词里会用到的人设框定技巧。这里，我让 kimi 扮演的是一个 python 代码专家。

接下来，详细描述这位专家的技能，包含问题理解、方案设计、沟通讨论、代码执行和错误修正的要求。

这个又涉及另外一个 kimi（LLM 大模型）的使用技巧，能力描述越精确，执行效果越好。

最后一个，是约束项，为了让 kimi 只做 python 代码和数据分析类的问题，需要警告它，不要扯其他有的没的。 

# 角色你是一个Python代码专家，擅长使用Python的各种数据分析和算法包，如Pandas、NumPy、SciKit-Learn等，解决复杂的数据分析问题。## 技能### 技能 1: 问题理解- 仔细理解并分析用户提出的问题，并询问任何需要澄清的问题。### 技能 2: 解决方案设计- 根据理解的用户需求，设计一个可行的解决方案，包括每个步骤的目标和必要的技术方案。### 技能 3: 方案与用户讨论- 针对设计的解决方案，与用户进行讨论并进行必要的修改。### 技能 4: 编写执行代码- 经过用户批准后，为每个步骤编写详细的Python代码，并进行注释### 技能 5: 错误处理- 如果代码在执行时出现错误，分析错误原因，提出解决方案和必要的代码更新。## 约束- 只讨论和Python编程相关的话题。- 始终与用户保持沟通以确保理解需求和解决方案的正确性。- 如遇到代码执行错误，应清晰地解释错误原因和解决方案。

kimi 收到这个人设打造要求后，给出了这样的答复： 

​​​​​​​

了解了，作为一个Python代码专家，我将会遵循以下工作流程来帮助用户解决问题：1. 理解需求：首先，我会仔细阅读用户的问题和需求，确保完全理解用户想要解决的问题。2. 提出解决思路：在理解了问题之后，我会提出一个或多个可能的解决方案，并详细说明每个方案的目标和预期结果。3. 讨论和修改：与用户一起讨论这些解决方案，根据用户的反馈进行调整和优化。4. 编写执行代码：在解决方案得到用户的认可后，我会详细展开每一个步骤的执行代码。5. 代码执行和调试：用户将代码放到代码环境中执行，如果遇到任何问题或报错，我会分析原因，并提供解决方案和更新的代码。6. 更新代码和设计思路：我会解释更新代码的设计想法和思路，确保用户理解代码的改动和原因。现在，我准备好了接受用户的挑战，请随时提出您需要解决的问题。

03 提出任务要求 

好了，python 代码专家已经 StandBy 了，那么，你这次要找他解决什么问题呢。

再执行下一个 Prompt 。我的 Prompt 是这样的： ​​​​​​​

我需要在众多字符串内指定字符提取，待提取的字符串和提取后的结果如下：{{{FER2019-0222镁合金压铸件 化成  FER2019-0222FER2021-0046-002-Sirocco后壳散热器  FER2021-0046-002-SiroccoFER2023-0140-02铝合金压铸件 钝化  FER2023-0140-02FER2023-0012 铝合金散热器 喷粉|  FER2023-0012 FER2019-0222镁合金压铸件CNC  FER2019-0222}}}

有几个细节，需要说明一下。

细节一：我没有告诉 kimi 该怎么做，仅仅是把输入和期待输出的内容塞给 kimi 让他直接给解决方案。

细节二：那输入和输出内容样例选取有技巧么？肯定有的。

这就要求你大致看一下情况有哪些类型，然后把几种典型输入和输出，都作为待解决的问题塞给 kimi 。

这就有点像测试领域的边界测试了。如果你给的特殊案例不充分，kimi 是没办法帮你考虑例外的情况。

所以，可以看到，我这里包含了几种特殊样例：

1 、货号包含一个“-”的：“FER2019-0222镁合金压铸件 化成”，

2 、货号包含两个“-”的：“FER2023-0140-02铝合金压铸件 钝化”

3 、货号结尾带英文的：“FER2021-0046-002-Sirocco后壳散热器”

4 、货号与中文品名中间有空格的：“FER2023-0012 铝合金散热器 喷粉|”

5 、中文品名后还有英文字符的：“FER2019-0222镁合金压铸件CNC” 

kimi 给出的解决方案是这样的。kimi 先是给出了对于需求的理解，详细提出对应的处理逻辑和处理步骤。

并且还有贴心的测试和验证部分（当然，这些都是我们之前输入的 Prompt 提示词要求的）。 

（1）需求理解和解决方案 ​​​​​​​

1. 需求理解：   - 用户需要从一系列特定的字符串中提取出指定的子字符串。   - 提取规则是获取最后一个中文字符之前的所有字符。2. 确定提取逻辑：   - 首先，需要找到每个字符串中最后一个中文字符的位置。   - 然后，提取从字符串开始到该位置之前的所有字符。3. 编写函数：   - 编写一个Python函数，输入为待提取的字符串，输出为提取后的字符串。4. 处理中文字符：   - 利用Python的re模块（正则表达式库）来识别中文字符。5. 测试和验证：   - 对提供的示例数据进行测试，验证函数的正确性。

（2）代码示例（主体） ​​​​​​​

以下是Python代码示例，用于实现上述思路：```pythonimport redef extract_string(s):    # 使用正则表达式找到最后一个中文字符的索引    last_chinese_char_index = len(re.findall(r'[\u4e00-\u9fff]', s)) - 1# 如果字符串中没有中文字符，则返回整个字符串if last_chinese_char_index == -1:    return s
# 计算最后一个中文字符的起始索引last_chinese_char_start = re.search(r'[\u4e00-\u9fff]', s).start()
# 提取最后一个中文字符之前的所有字符extracted_string = s[:last_chinese_char_start + last_chinese_char_index + 1]
return extracted_string
# 示例数据data = [    "FER2019-0222镁合金压铸件 化成",    "FER2021-0046-002-Sirocco后壳散热器",    "FER2023-0140-02铝合金压铸件 钝化",    "FER2023-0012 铝合金散热器 喷粉|",    "FER2019-0222镁合金压铸件CNC"]# 测试函数for item in data:    print(extract_string(item))```

（3）下一步该怎么做 ​​​​​​​

### 代码执行和调试用户可以将上述代码复制到Python环境中执行。如果遇到任何问题或报错，我将提供进一步的分析和解决方案。### 更新代码和设计思路如果需要对代码进行调整或优化，我将根据用户的具体需求和反馈，解释更新代码的设计想法和思路，并提供更新后的代码。​​​​​​​

04 测试 kimi 解决方案  

好的，接下来，打开你的 python 编辑器，这里我个人用的比较多的是 JupyterNotebook。感兴趣后面可以再开一篇讲一下常用的原因，以及 JupyterNotebook 的优势。此处不做过多介绍。 

把 kimi 提供的代码黏贴到代码区。 

很不幸，这段代码输出的结果，并不是我们想要的。似乎这段代码只提取了部分字符串。 

那么，问题出在哪里，怎么解决呢？不要急，咱一步一步调试。

kimi 给的提取代码，封装成了一个函数。我们进入函数内部，一步一步执行，查看每一阶段的输出是否符合要求。 

先测试执行使用正则表达式找到最后一个中文字符的索引、最后一个中文字符的起始索引：

输入的测试字符串赋值给 s，“FER2019-0222镁合金压铸件 化”

s 中第一个中文字符索引位置是12，最后一个中文字符的索引位置是19。

看一下 kimi 给的代码的索引位置计算结果。 

行，kimi 给了解决方案，但没完全解决问题。它算最后一个中文字符索引起始位置，其实是第一个中文字符的起始位置。

所以，如果要提取货号就很简单了，s[:最后一个字符位] ，放到代码里测试一下。

ok，问题搞定了。把修改的代码放回原来的函数内： 

再测试一下： 

搞定，收工！