如何在Python中从字符串中提取数字?


432

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]

Answers:


485

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


5
对于“ h3110 23猫444.4兔11-2狗”这样的情况,此操作将失败
sharafjaffri 2013年

8
规范案例使用re。这是一个通用且功能强大的工具(因此您会学到一些非常有用的信息)。速度与日志解析没有什么关系(毕竟它不是某种密集的数值求解器),该re模块位于标准的Python库中,并且加载该模块也无害。
Ioannis Filippidis 2014年

19
我有类似这样的字符串mumblejumble45mumblejumble,我知道只有一个数字。解决方法很简单int(filter(str.isdigit, your_string))
乔纳斯·林德洛夫(JonasLindeløv)

1
一条小注释:您定义变量str,然后该变量将覆盖str基础python中的对象和方法。这不是一个好习惯,因为您可能稍后在脚本中需要它。
乔纳斯·林德洛夫(JonasLindeløv)

11
int(filter(...))TypeError: int() argument must be a string...在Python 3.5中提高,因此您可以使用更新的版本:int(''.join(filter(str.isdigit, your_string)))将所有数字提取为一个整数。
Mark Mishyn's

449

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]

9
...然后int在其上映射就可以了。+1,特别是对于后半部分。但我建议使用原始字符串(r'\b\d+\b' == '\\b\\d+\\b')。

5
可以将其放在带有生成器的列表中,例如:int_list = [int(s) for s in re.findall('\\d+', 'hello 12 hi 89')]
GreenMatt 2010年

7
@GreenMatt:从技术上讲,这是一种列表理解(不是生成器),但是我同意,理解/生成器比Python更具有Python风格map
塞斯·约翰逊

1
@Seth Johnson:糟糕!您是对的,我打错了看似模糊的心态。:-(感谢您的纠正!
GreenMatt 2010年

2
我有一个问题。如果我想提取浮点数,例如“ hello1.45 hi”中的1.45,该怎么办?它会给我1和45两个不同的数字
ab123

89

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


1
因为这是任何人都喜欢的唯一答案,所以这是如何使用科学记数法[[-+]?\ d + [\。]?\ d * [Ee]?\ d *”完成的。或一些变化。玩得开心!
aidan.plenert.macdonald 2015年

找到最简单的情况存在问题,例如不s = "4"返回匹配项。可以重新编辑以解决此问题吗?
batFINGER '16

1
不错,但是它不能处理逗号(例如74,600)
yekta

更为冗长的组是:[+-]?\d*[\.]?\d*(?:(?:[eE])[+-]?\d+)?该组确实给出了一些误报(即+有时会被自己捕获),但是能够处理更多形式,例如.001,并且它不会自动组合数字(如中s=2+1
DavisDude

24
啊,是的,很明显[-+]?[.]?[\d]+(?:,\d\d\d)*[\.]?\d*(?:[eE][-+]?\d+)?-我真傻...我怎么能不想到这一点?
Przemek D

70

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

查找正负浮点数和整数。对于仅正整数和负整数,请更改floatint
雨果

3
对于负数:re.findall("[-\d]+", "1 -2")
ytpillai

如果我们写continue而不是pass在循环中,有什么区别吗?
D. Jones

这不仅捕获了正整数,而且使用split()会遗漏货币符号在第一个数字前没有空格的数字,这在财务文档中很常见
Marc Maxmeister

不适用于与其他字符没有空格的浮点数,例如:'4.5 k Things'将起作用,'4.5k Things'将不起作用。
Jay D.

64

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

12
在Python 3.6.3我得到了TypeError: int() argument must be a string, a bytes-like object or a number, not 'filter'-通过使用固定它int("".join(filter(str.isdigit, '200 grams')))
肯特·蒙特Caspersen

16
# 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]

3
欢迎来到SO,感谢您发布答案。在答案中添加一些其他注释以及为什么它可以解决问题始终是一种好习惯,而不仅仅是发布代码段。
SEBS

在我的情况下没有工作。与上述答案没有太大不同
oldboy '18

ValueError:无法将字符串转换为float:'e',并且在某些情况下不起作用:(
Vilq

15

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'

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']

如果您不使用,则至少应编译正则表达式findall()
information_interchange

2
repl_str = re.compile('\d+.?\d*') 应该是:repl_str = re.compile('\d+\.?\d*') 对于一个可再现例如使用python3.7 re.search(re.compile(r'\d+.?\d*'), "42G").group() “42G” re.search(re.compile(r'\d+\.?\d*'), "42G").group() “42”
亚历Lucattini

8
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


提供的答案被标记为低质量帖子,以供审核。以下是一些有关如何编写好的答案的指导原则。提供的答案可能是正确的,但可以从解释中受益。仅代码答案不视为“好”答案。从审查
特伦顿·麦金尼

简单而有效的解决方案,感激不尽
莫约

7

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)

5

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()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可接受答案str.isdigit


4

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]

3

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

2

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

1

@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)

0

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)    

0

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)
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.