Python: Extract numbers from a string
我将提取字符串中包含的所有数字。哪一个更适合用于目的、正则表达式或
例子:
1 | line ="hello 12 hi 89" |
结果:
1 | [12, 89] |
如果只想提取正整数,请尝试以下操作:
1 2 3 | >>> 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regex例子更好,原因有三个。首先,您不需要另一个模块;其次,它更可读,因为您不需要解析regex mini语言;第三,它更快(因此可能更像是pythonic):
1 2 3 4 5 | 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,下面的斯利姆的回答会起到作用。
我会使用regexp:
1 2 3 | >>> import re >>> re.findall(r'\d+', 'hello 42 I\'m a 32 string 30') ['42', '32', '30'] |
这也将匹配来自
1 2 | >>> re.findall(r'\b\d+\b', 'he33llo 42 I\'m a 32 string 30') ['42', '32', '30'] |
以数字列表而不是字符串列表结束:
1 2 | >>> [int(s) for s in re.findall(r'\b\d+\b', 'he33llo 42 I\'m a 32 string 30')] [42, 32, 30] |
这已经晚了一点,但是您也可以扩展regex表达式来考虑科学记数法。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 | 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) |
给一切好!
此外,您还可以查看AWS Glue内置regex
我假设你想要的不是整数,而是浮点数,所以我会这样做:
1 2 3 4 5 6 | l = [] for t in s.split(): try: l.append(float(t)) except ValueError: pass |
请注意,这里发布的其他一些解决方案不适用于负数:
1 2 3 4 5 | >>> re.findall(r'\b\d+\b', 'he33llo 42 I\'m a 32 string -30') ['42', '32', '30'] >>> '-3'.isdigit() False |
如果知道字符串中只有一个数字,即"你好12你好",可以尝试筛选。
例如:
1 2 3 4 5 6 | 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!!!!:
1 2 | In [4]: int(''.join(filter(str.isdigit, '200 grams 5'))) Out[4]: 2005 |
1 2 3 4 5 6 | # 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] |
此答案还包含数字在字符串中浮动时的情况。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 | 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) |
我正在寻找一个解决办法,特别是从巴西电话号码中删除弦的面具,这篇文章没有回答,但激发了我的灵感。这是我的解决方案:
1 2 3 | >>> phone_number = '+55(11)8715-9877' >>> ''.join([n for n in phone_number if n.isdigit()]) '551187159877' |
我很惊讶地看到,还没有人提到使用
您可以使用
1 2 3 4 | 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] |
1 | [12, 89] |
附言:这只是为了说明,作为替代方案,我们也可以使用
使用下面的regex是方法
1 2 3 4 5 6 7 8 9 | lines ="hello 12 hi 89" import re output = [] line = lines.split() for word in line: match = re.search(r'\d+.?\d*', word) if match: output.append(float(match.group())) print (output) |
因为这些都没有涉及到Excel和Word文档中的真实世界财务数字,我需要找到它们,这里是我的变体。它处理整数、浮点数、负数、货币数(因为它在拆分时不响应),并且可以选择删除小数部分,只返回整数,或者返回所有内容。
它还处理印度laks数字系统,其中逗号出现不规则,不是每3个数字分开。
它不处理科学记数法,也不处理放在预算括号内的负数——将显示为正数。
它也不提取日期。有更好的方法可以在字符串中查找日期。
1 2 3 4 5 6 7 8 9 | 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 |
我只是在添加这个答案,因为没有人使用异常处理添加了一个答案,而且这也适用于float
1 2 3 4 5 6 7 8 | 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:
1 | [1234.0, 56.78] |
@jmnas,我喜欢你的回答,但没有找到浮点数。我正在编写一个脚本来解析到CNC工厂的代码,需要找到可以是整数或浮点的X和Y维度,所以我将您的代码改编为以下内容。这将找到int,并用正值和负值进行浮点运算。仍然找不到十六进制格式的值,但是您可以将"x"和"a"添加到
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 | 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 try: l.append(float(num)) except ValueError: pass print(l) |
我找到的最佳选择如下。它将提取一个数字并可以消除任何类型的字符。
1 2 3 4 5 6 7 8 9 | def extract_nbr(input_str): if input_str is None or input_str == '': return 0 out_number = '' for ele in input_str: if ele.isdigit(): out_number += ele return float(out_number) |