Answers:
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。
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。
mumblejumble45mumblejumble
,我知道只有一个数字。解决方法很简单int(filter(str.isdigit, your_string))
。
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。
int(filter(...))
将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。
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]
int_list = [int(s) for s in re.findall('\\d+', 'hello 12 hi 89')]
map
。
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
s = "4"
返回匹配项。可以重新编辑以解决此问题吗?
[+-]?\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
)
[-+]?[.]?[\d]+(?:,\d\d\d)*[\.]?\d*(?:[eE][-+]?\d+)?
-我真傻...我怎么能不想到这一点?
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
float
为int
。
re.findall("[-\d]+", "1 -2")
continue
而不是pass
在循环中,有什么区别吗?
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
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')))
# extract numbers from garbage string:
s = '12//n,_@#$%3.14kjlw0xdadfackvj1.6e-19&*ghn334'
newstr = ''.join((ch if ch in '0123456789.-e' else ' ') for ch in s)
listOfNumbers = [float(i) for i in newstr.split()]
print(listOfNumbers)
[12.0, 3.14, 0.0, 1.6e-19, 334.0]
在下面使用正则表达式是
lines = "hello 12 hi 89"
import re
output = []
#repl_str = re.compile('\d+.?\d*')
repl_str = re.compile('^\d+$')
#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']
findall()
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”
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
。
要捕获不同的模式,使用不同的模式进行查询很有帮助。
'[\ d] + [。,\ d] +'
'[\ d] * [。] [\ d] +'
'[\ d] +'
(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)