如何在Python中从字符串中提取数字？

我将提取字符串中包含的所有数字。哪个更适合于目的，正则表达式或isdigit()方法？

例：

line = "hello 12 hi 89"

结果：

[12, 89]

如果只想提取正整数，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示例更好，原因有三点。首先，您不需要其他模块；其次，它更具可读性，因为您无需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

这将无法识别浮点数，负整数或十六进制格式的整数。如果您不能接受这些限制，则可以通过以下亭亭玉立的答案解决问题。

我会使用regexp：

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

这也将匹配来自的42 bla42bla。如果只需要数字以单词边界（空格，句点，逗号）分隔，则可以使用\ b：

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

要以数字列表而不是字符串列表结尾：

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

这已经有点晚了，但是您也可以扩展regex表达式以说明科学计数法。

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)

一切都好！

此外，您可以查看AWS Glue内置正则表达式

我假设您想要的不仅是浮点数，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

如果您知道字符串中只有一个数字，即“ hello 12 hi”，则可以尝试过滤。

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

但是要小心！：

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

# 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]

我一直在寻找一种解决方案，特别是从巴西的电话号码中删除字符串的掩码，这篇帖子没有得到回答，但给了我启发。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'

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']

line2 = "hello 12 hi 89"
temp1 = re.findall(r'\d+', line2) # through regular expression
res2 = list(map(int, temp1))
print(res2)

嗨，

您可以使用findall表达式通过数字搜索字符串中的所有整数。

在第二步中，创建一个列表res2并将在字符串中找到的数字添加到此列表中

希望这可以帮助

此致Diwakar Sharma

此答案还包含数字在字符串中为浮点的情况

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)

令我惊讶的是，还没有人提到使用itertools.groupby替代实现这一目标的方法。

您可以使用itertools.groupby()和str.isdigit()来从字符串中提取数字，如下所示：

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]

保留的值l将是：

[12, 89]

PS：这只是出于说明的目的，以表明作为替代方案，我们也可以使用它groupby来实现此目的。但这不是推荐的解决方案。如果要实现此目的，则应基于将列表理解与as过滤器一起使用fmark的可接受答案str.isdigit。

我只是添加这个答案，因为没有人使用异常处理添加了一个答案，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]

要捕获不同的模式，使用不同的模式进行查询很有帮助。

设置捕获不同兴趣数字模式的所有模式：

（查找逗号）12,300或12,300.00

'[\ d] + [。，\ d] +'

（发现浮动）0.123或.123

'[\ d] * [。] [\ d] +'

（找到整数）123

'[\ d] +'

与管道（|）组合为一个具有多个或有条件的模式。

（注意：首先放置复杂模式，否则简单模式将返回复杂捕获的块，而不是复杂捕获返回完整的捕获）。

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

在下面，我们将确认存在的模式re.search()，然后返回捕获的可迭代列表。最后，我们将使用方括号符号打印每个捕获，以从匹配对象中选择匹配对象的返回值。

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

返回值：

33
42
32
30
444.4
12,001

由于这些都不涉及我需要查找的excel和word docs中的真实财务数字，因此这里是我的变体。它处理整数，浮点数，负数，货币数字（因为它不会在拆分时回复），并且可以选择删除小数部分并仅返回整数或返回所有内容。

它还处理印第安拉克斯数字系统，其中逗号不规则出现，而不是每3个数字分开。

它不处理科学计数法，否则预算中括号内的负数将显示为正数。

它还不会提取日期。有更好的方法来查找字符串中的日期。

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

@jmnas，我很喜欢您的回答，但没有找到浮点数。我正在处理一个脚本，以解析要输入CNC铣床的代码，并且需要查找可以是整数或浮点数的X和Y尺寸，因此我将代码修改为以下内容。查找具有正值和负值的int，float。仍然找不到十六进制格式的值，但是您可以在num_char元组中添加“ x”和“ A”至“ F” ，我认为它将解析“ 0x23AC”之类的内容。

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)

我发现的最佳选择如下。它将提取一个数字并可以消除任何类型的字符。

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)    

对于电话号码，您只需在正则表达式中使用\ D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)