如何用Python选择合适的机器学习算法将一段文字转化为字典？
假设有这样一段字符串：
name:Bill
age:20
salary:9999
需要将它转化为 Python 的字典：
info = {'name': 'Bill', 'age': 20, 'salary': 9999}
当然，对每一行使用 split(':')就可以直接进行分割得到 Key 和 Value，但这并不是根本的解决办法。因为还存在以下格式的字符串：
name>Bill
age>20
salary>9999
或者
Bill==>name
20==>age
9999==>salary
或者
name,age,salary
Bill,20,9999
这些字符串让人来看，可以发现他们对应的 Python 字典是完全一样的，但是这就不能简单地通过规则匹配来转换了。
每一种格式的字符串都有一万个，所以训练集数量不是问题。希望能实现一个机器学习算法，输入一些训练集来训练这个系统，之后再输入新的字符串，就能个自动输出对应的 Python 字典。
请问这样的系统应该如何设计？
如何用Python选择合适的机器学习算法将一段文字转化为字典？
25 回复
起码就你描述出来的几种是没问题的，如果是所有可能的格式，估计没有任何方法可以解决。
机器学习不是万能的，训练集是要打标签的，unsupervise 训练方法是要给出某些规则的。
所以简而言之都是要给定某些规则的
我有一百万种格式，每一种格式都有一个对应的 dict。不可能每一种都自己写规则。当然，打标签也不会每一种都打。这也是为什么我在帖子的 Append 里面说用深度神经网络而不是普通机器学习算法的原因。
