从python中的字符串确定"值的类型"

Question

我正在尝试在python中编写一个函数,它将确定字符串中的值的类型; 例如

如果in string为1或0或True或False,则该值为BIT

如果in string为0-9*,则值为INT

如果在字符串中是0-9 + .0-9 +,则该值为float

如果在字符串中是stg更多(文本等)值是文本

到目前为止,我已经喜欢了

def dataType(string):

 odp=''
 patternBIT=re.compile('[01]')
 patternINT=re.compile('[0-9]+')
 patternFLOAT=re.compile('[0-9]+\.[0-9]+')
 patternTEXT=re.compile('[a-zA-Z0-9]+')
 if patternTEXT.match(string):
     odp= "text"
 if patternFLOAT.match(string):
     odp= "FLOAT"
 if patternINT.match(string):
     odp= "INT"
 if patternBIT.match(string):
     odp= "BIT"

 return odp 

但是我在python中使用正则表达式并不是很熟练.你能告诉我,我做错了什么？例如,它不适用于2010-00-10,它应该是Text,但是INT或20.90,它应该是float但是是int

Answer 1

在你走到正则表达式路线之前,你考虑过使用ast.literal_eval

例子:

In [35]: ast.literal_eval('1')
Out[35]: 1

In [36]: type(ast.literal_eval('1'))
Out[36]: int

In [38]: type(ast.literal_eval('1.0'))
Out[38]: float

In [40]: type(ast.literal_eval('[1,2,3]'))
Out[40]: list

也可以使用Python为你解析它!

好的,这是一个更大的例子:

import ast, re
def dataType(str):
    str=str.strip()
    if len(str) == 0: return 'BLANK'
    try:
        t=ast.literal_eval(str)

    except ValueError:
        return 'TEXT'
    except SyntaxError:
        return 'TEXT'

    else:
        if type(t) in [int, long, float, bool]:
            if t in set((True,False)):
                return 'BIT'
            if type(t) is int or type(t) is long:
                return 'INT'
            if type(t) is float:
                return 'FLOAT'
        else:
            return 'TEXT' 



testSet=['   1  ', ' 0 ', 'True', 'False',   #should all be BIT
         '12', '34l', '-3','03',              #should all be INT
         '1.2', '-20.4', '1e66', '35.','-   .2','-.2e6',      #should all be FLOAT
         '10-1', 'def', '10,2', '[1,2]','35.9.6','35..','.']

for t in testSet:
    print "{:10}:{}".format(t,dataType(t))

输出:

   1      :BIT
 0        :BIT
True      :BIT
False     :BIT
12        :INT
34l       :INT
-3        :INT
03        :INT
1.2       :FLOAT
-20.4     :FLOAT
1e66      :FLOAT
35.       :FLOAT
-   .2    :FLOAT
-.2e6     :FLOAT
10-1      :TEXT
def       :TEXT
10,2      :TEXT
[1,2]     :TEXT
35.9.6    :TEXT
35..      :TEXT
.         :TEXT

如果你肯定有一个正则表达式解决方案,产生相同的结果,这里是:

def regDataType(str):
    str=str.strip()
    if len(str) == 0: return 'BLANK'

    if re.match(r'True$|^False$|^0$|^1$', str):
        return 'BIT'
    if re.match(r'([-+]\s*)?\d+[lL]?$', str): 
        return 'INT'
    if re.match(r'([-+]\s*)?[1-9][0-9]*\.?[0-9]*([Ee][+-]?[0-9]+)?$', str): 
        return 'FLOAT'
    if re.match(r'([-+]\s*)?[0-9]*\.?[0-9][0-9]*([Ee][+-]?[0-9]+)?$', str): 
        return 'FLOAT'

    return 'TEXT' 

我不能推荐高级版本的正则表达式; 让Python解释它认为这些数据类型的内容而不是用正则表达式解释它们...

Answer 2

您也可以使用json。

import json
converted_val = json.loads('32.45')
type(converted_val)

产出

type <'float'>

编辑

但是，要回答您的问题：

re.match()从字符串的开头开始返回部分匹配。由于您不断评估每个模式匹配，因此“ 2010-00-10”的序列如下所示：

if patternTEXT.match(str_obj): #don't use 'string' as a variable name.

它匹配，因此odp设置为“文本”

然后，您的脚本会执行以下操作：

if patternFLOAT.match(str_obj):

没有匹配项，odp仍等于“文字”

if patternINT.match(str_obj):

部分匹配odp设置为“ INT”

由于match返回部分匹配，因此if将评估多个语句，最后评估的语句将确定返回的字符串odp。

您可以执行以下操作之一：

1. 重新排列if语句的顺序，以使最后一个匹配的语句正确。

2. 在其余的语句中使用if和elif，if以便仅评估要匹配的第一个语句。

3. 检查以确保匹配对象与整个字符串匹配：

   ...
   match = patternINT.match(str_obj)
   if match:
       if match.end() == match.endpos:
           #do stuff
   ...