如何选择一个合适的机器学习算法将一段文字转化为 Python 字典？

[billion]

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？

[billion]

@spolarbear 正确率。

[billion]

@binux 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。

[yemenchun1]

比较好奇一百万种格式的原始数据是哪些人创造的

[Zzzzzzzzz]

你需要的只是 pyparsing