python怎么提取字符串中的数字_正则表达式 - Python：从字符串中提取数字

最新推荐文章于 2023-07-28 22:06:36 发布

weixin_39614094

最新推荐文章于 2023-07-28 22:06:36 发布

阅读量1.8k

点赞数 1

文章标签： python怎么提取字符串中的数字

正则表达式 - Python：从字符串中提取数字

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]

14个解决方案

332 votes

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。

fmark answered 2019-02-08T09:40:52Z

325 votes

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']

这也将匹配来自bla42bla的42。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]

Vincent Savard answered 2019-02-08T09:41:29Z

73 votes

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 [(, ), ...]

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

aidan.plenert.macdonald answered 2019-02-08T09:42:07Z

58 votes

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

jmnas answered 2019-02-08T09:42:38Z

39 votes

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(filter(str.isdigit, '200 grams'))

Out[1]: 200

In [2]: int(filter(str.isdigit, 'Counters: 55'))

Out[2]: 55

In [3]: int(filter(str.isdigit, 'more than 23 times'))

Out[3]: 23

不过要小心！！！：

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

Out[4]: 2005

dfostic answered 2019-02-08T09:43:11Z

6 votes

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)

Menglong Li answered 2019-02-08T09:43:36Z

6 votes

# 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]

AndreiS answered 2019-02-08T09:43:54Z

5 votes

令我惊讶的是，没有人提到使用groupby作为实现此目的的替代方案。

您可以将groupby与groupby一起使用，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]

groupby持有的价值将是：

[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使用groupby来实现这一目的。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str.isdigit的列表理解作为过滤器的fmark的接受答案。

Moinuddin Quadri answered 2019-02-08T09:44:41Z

4 votes

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'

Sidon answered 2019-02-08T09:45:08Z

2 votes

由于这些都不涉及我需要找到的excel和word文档中的真实世界金融数字，所以这是我的变体。它处理整数，浮点数，负数，货币数（因为它不会在拆分时回复），并且可以选择删除小数部分并返回整数，或者返回所有内容。

它还处理印度拉克斯数字系统，其中逗号不规则地出现，而不是每隔3个数字。

它不处理科学记数法或在预算中括号内的负数 - 将显得积极。

它也不提取日期。有更好的方法可以在字符串中查找日期。

import re

def find_numbers(string, ints=True):

numexp = re.compile(r'[-]?\d[\d,]*[\.]?[\d{2}]*') #optional - in front

numbers = numexp.findall(string)

numbers = [x.replace(',','') for x in numbers]

if ints is True:

return [int(x.replace(',','').split('.')[0]) for x in numbers]

else:

return numbers

Marc Maxson answered 2019-02-08T09:45:55Z

1 votes

@jmnas，我喜欢你的答案，但它找不到花车。我正在编写一个脚本来解析进入CNC铣床的代码，并且需要找到可以是整数或浮点数的X和Y维度，因此我将您的代码调整为以下内容。这找到了int，float有正负val。仍然没有找到十六进制格式的值，但你可以通过“F”添加“x”和“A”到num_char元组，我认为它会解析像'0x23AC'这样的东西。

s = 'hello X42 I\'m a Y-32.35 string Z30'

xy = ("X", "Y")

num_char = (".", "+", "-")

l = []

tokens = s.split()

for token in tokens:

if token.startswith(xy):

num = ""

for char in token:

# print(char)

if char.isdigit() or (char in num_char):

num = num + char