大数据清洗入库的问题

Question

如图，公司给了几百G的word文档，看了看里面的内容，很乱，但是大致如图涉及公司的信息；
但是排版啊，字段名啊，一致性很差；

公司要信息入库，不知道从何入手？？

有大神有思路或者建议吗？

Answer 1

1 先用正则表达式，按照 数字冒号(1:,2:)拆分单条信息
得到结果：
[
'1:公司名:An网站:wwwn电话:123456789n',
'2:公司名:An网站:wwwn电话:123456789nn',
'3:公司名:An网站:wwwn电话:123456789地址:abbn',
'4:公司名:An网站:wwwn电话:123456789',
]

2 取出每一项目,将数字冒号(1:)替换为空
如:'1:公司名:An网站:wwwn电话:123456789n',

3 按照n拆分，再按照:区分键值对。
如:'公司名:An网站:wwwn电话:123456789n',
得到结果:[{'公司名':'A'},{'网站':'www'},{'电话':'123456789'}]