Python:从字符串中提取数字

Question

我会提取字符串中包含的所有数字.哪个更适合目的,正则表达式或isdigit()方法？

例:

line = "hello 12 hi 89"

结果:

[12, 89]

Answer 1

如果您只想提取正整数,请尝试以下操作:

>>> str = "h3110 23 cat 444.4 rabbit 11 2 dog"
>>> [int(s) for s in str.split() if s.isdigit()]
[23, 11, 2]

我认为这比正则表达式的例子好三个原因.首先,你不需要另一个模块; 其次,它更具可读性,因为你不需要解析正则表达式迷你语言; 第三,它更快(因此可能更pythonic):

python -m timeit -s "str = 'h3110 23 cat 444.4 rabbit 11 2 dog' * 1000" "[s for s in str.split() if s.isdigit()]"
100 loops, best of 3: 2.84 msec per loop

python -m timeit -s "import re" "str = 'h3110 23 cat 444.4 rabbit 11 2 dog' * 1000" "re.findall('\\b\\d+\\b', str)"
100 loops, best of 3: 5.66 msec per loop

这将无法识别十六进制格式的浮点数,负整数或整数.如果你不能接受这些限制,下面的苗条答案将起到作用.

Answer 2

我使用正则表达式:

>>> import re
>>> re.findall(r'\d+', 'hello 42 I\'m a 32 string 30')
['42', '32', '30']

这也将匹配42 bla42bla.如果您只想要通过单词边界(空格,句点,逗号)分隔的数字,则可以使用\ b:

>>> re.findall(r'\b\d+\b', 'he33llo 42 I\'m a 32 string 30')
['42', '32', '30']

最终得到一个数字列表而不是字符串列表:

>>> [int(s) for s in re.findall(r'\b\d+\b', 'he33llo 42 I\'m a 32 string 30')]
[42, 32, 30]

Answer 3

这有点晚了,但你可以扩展正则表达式来解释科学记数法.

import re

# Format is [(<string>, <expected output>), ...]
ss = [("apple-12.34 ba33na fanc-14.23e-2yapple+45e5+67.56E+3",
       ['-12.34', '33', '-14.23e-2', '+45e5', '+67.56E+3']),
      ('hello X42 I\'m a Y-32.35 string Z30',
       ['42', '-32.35', '30']),
      ('he33llo 42 I\'m a 32 string -30', 
       ['33', '42', '32', '-30']),
      ('h3110 23 cat 444.4 rabbit 11 2 dog', 
       ['3110', '23', '444.4', '11', '2']),
      ('hello 12 hi 89', 
       ['12', '89']),
      ('4', 
       ['4']),
      ('I like 74,600 commas not,500', 
       ['74,600', '500']),
      ('I like bad math 1+2=.001', 
       ['1', '+2', '.001'])]

for s, r in ss:
    rr = re.findall("[-+]?[.]?[\d]+(?:,\d\d\d)*[\.]?\d*(?:[eE][-+]?\d+)?", s)
    if rr == r:
        print('GOOD')
    else:
        print('WRONG', rr, 'should be', r)

给所有人带来好处!

此外,您还可以查看AWS Glue内置正则表达式

Answer 4

我假设你想要浮点数不仅仅是整数,所以我会做这样的事情:

l = []
for t in s.split():
    try:
        l.append(float(t))
    except ValueError:
        pass

请注意,此处发布的其他一些解决方案不适用于负数:

>>> re.findall(r'\b\d+\b', 'he33llo 42 I\'m a 32 string -30')
['42', '32', '30']

>>> '-3'.isdigit()
False

Answer 5

如果您知道字符串中只有一个数字,即'hello 12 hi',您可以尝试过滤.

例如:

In [1]: int(''.join(filter(str.isdigit, '200 grams')))
Out[1]: 200
In [2]: int(''.join(filter(str.isdigit, 'Counters: 55')))
Out[2]: 55
In [3]: int(''.join(filter(str.isdigit, 'more than 23 times')))
Out[3]: 23

但要小心!!! :

In [4]: int(''.join(filter(str.isdigit, '200 grams 5')))
Out[4]: 2005

Answer 6

为了捕捉不同的模式，使用不同的模式进行查询是有帮助的。

设置捕获不同数量感兴趣模式的所有模式：

（查找逗号）12,300 或 12,300.00

'[\d]+[.,\d]+'

（查找浮点数）0.123 或 .123

'[\d]*[.][\d]+'

（查找整数）123

'[\d]+'

与管道 (|) 组合成具有多个或条件的一种模式。

（注意：将复杂模式放在首位，否则简单模式将返回复杂捕获的块，而不是返回完整捕获的复杂捕获）。

p = '[\d]+[.,\d]+|[\d]*[.][\d]+|[\d]+'

下面，我们将使用 确认模式存在re.search()，然后返回一个可迭代的捕获列表。最后，我们将使用括号表示法打印每个捕获，以从匹配对象中子选择匹配对象返回值。

s = 'he33llo 42 I\'m a 32 string 30 444.4 12,001'

if re.search(p, s) is not None:
    for catch in re.finditer(p, s):
        print(catch[0]) # catch is a match object

返回：

33
42
32
30
444.4
12,001

Answer 7

对于电话号码，您可以使用\D正则表达式简单地排除所有非数字字符：

import re

phone_number = "(619) 459-3635"
phone_number = re.sub(r"\D", "", phone_number)
print(phone_number)

将r在r"\D"代表原始字符串。有必要。没有它，Python 将视为\D转义字符。

Answer 8

# extract numbers from garbage string:
s = '12//n,_@#$%3.14kjlw0xdadfackvj1.6e-19&*ghn334'
newstr = ''.join((ch if ch in '0123456789.-e' else ' ') for ch in s)
listOfNumbers = [float(i) for i in newstr.split()]
print(listOfNumbers)
[12.0, 3.14, 0.0, 1.6e-19, 334.0]

Answer 9

我一直在寻找一个解决方案,以删除字符串的面具,特别是从巴西电话号码,这篇文章没有回答,但启发了我.这是我的解决方案:

>>> phone_number = '+55(11)8715-9877'
>>> ''.join([n for n in phone_number if n.isdigit()])
'551187159877'

Answer 10

line2 = "hello 12 hi 89"  # this is the given string 
temp1 = re.findall(r'\d+', line2) # find number of digits through regular expression
res2 = list(map(int, temp1))
print(res2)

你好 ，

您可以使用 findall 表达式通过 digit 搜索字符串中的所有整数。

在第二步中创建一个列表 res2 并将字符串中找到的数字添加到此列表中

希望这可以帮助

问候， 迪瓦卡尔·夏尔马

Answer 11

这个答案还包含数字在字符串中浮动的情况

def get_first_nbr_from_str(input_str):
    '''
    :param input_str: strings that contains digit and words
    :return: the number extracted from the input_str
    demo:
    'ab324.23.123xyz': 324.23
    '.5abc44': 0.5
    '''
    if not input_str and not isinstance(input_str, str):
        return 0
    out_number = ''
    for ele in input_str:
        if (ele == '.' and '.' not in out_number) or ele.isdigit():
            out_number += ele
        elif out_number:
            break
    return float(out_number)

Answer 12

在下面使用正则表达式是

lines = "hello 12 hi 89"
import re
output = []
#repl_str = re.compile('\d+.?\d*')
repl_str = re.compile('^\d+$')
#t = r'\d+.?\d*'
line = lines.split()
for word in line:
        match = re.search(repl_str, word)
        if match:
            output.append(float(match.group()))
print (output)

与findall re.findall(r'\d+', "hello 12 hi 89")

['12', '89']

re.findall(r'\b\d+\b', "hello 12 hi 89 33F AC 777")

 ['12', '89', '777']

Answer 13

我只是添加这个答案，因为没有人使用异常处理添加一个答案，因为这也适用于浮点数

a = []
line = "abcd 1234 efgh 56.78 ij"
for word in line.split():
    try:
        a.append(float(word))
    except ValueError:
        pass
print(a)

输出 ：

[1234.0, 56.78]

Answer 14

令我惊讶的是,没有人提到使用它itertools.groupby作为实现这一目的的替代方案.

您可以使用itertools.groupby()随str.isdigit()以便从字符串中提取数字:

from itertools import groupby
my_str = "hello 12 hi 89"

l = [int(''.join(i)) for is_digit, i in groupby(my_str, str.isdigit) if is_digit]

持有的价值l将是:

[12, 89]

PS:这只是为了说明目的,以表明作为替代方案我们也可以groupby用来实现这一点.但这不是推荐的解决方案.如果你想实现这一点,你应该使用基于使用列表理解作为过滤器的fmark的接受答案str.isdigit.