如何从 Python 中的字符串中提取数字？

Question

我想提取字符串中包含的所有数字。 哪个更适合此目的，正则表达式或isdigit()方法？

例子：

line = "hello 12 hi 89"

结果：

[12, 89]

Answer 1

如果您只想提取正整数，请尝试以下操作：

>>> txt = "h3110 23 cat 444.4 rabbit 11 2 dog"
>>> [int(s) for s in txt.split() if s.isdigit()]
[23, 11, 2]

我认为这比正则表达式示例更好，因为您不需要另一个模块，而且它更具可读性，因为您不需要解析（和学习） 正则表达式 mini-language 。

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， 下面的 jmnas 答案将起到作用。

Answer 2

我会使用正则表达式：

>>> 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 。 如果您只想要由单词边界（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']

以数字列表而不是字符串列表结束：

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

Answer 3

这有点晚了，但您也可以扩展正则表达式来解释科学记数法。

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)

给一切美好

此外，您可以查看AWS Glue 内置正则表达式

Answer 4

我假设你想要浮点数而不仅仅是整数，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

Answer 5

如果您知道字符串中只有一个数字，即'hello 12 hi' ，您可以尝试filter 。

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

但要小心：

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

Answer 6

我正在寻找一种解决方案来删除字符串的面具，特别是从巴西电话号码中，这个帖子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'

Answer 7

# 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]

Answer 8

要捕获不同的模式，使用不同的模式进行查询会很有帮助。

设置所有捕获不同数量感兴趣模式的模式：

（找到逗号） 12,300 或 12,300.00

'[\d]+[.,\d]+'

（找到浮点数）0.123 或 .123

'[\d]*[.][\d]+'

（查找整数）123

'[\d]+'

与 pipe(|) 组合成一个带有多个或条件的模式。

（注意：将复杂模式放在首位，否则简单模式将返回复杂捕获的块，而不是返回完整捕获的复杂捕获）。

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

下面，我们将使用re.search()确认一个模式，然后返回一个可迭代的捕获列表。 最后，我们将使用括号表示法打印每个捕获，以便从匹配 object 中选择匹配 object 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

回报：

33
42
32
30
444.4
12,001

Answer 9

使用下面的正则表达式是方法

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']

Answer 10

对于电话号码，您可以简单地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)

r"\D"中的r代表原始字符串。 有必要。 没有它，Python 会将\D视为转义字符。

Answer 11

line2 = "hello 12 hi 89"  # this is the given string 
temp1 = re.findall(r'\d+', line2) # find number of digits through regular expression
res2 = list(map(int, temp1))
print(res2)

你好，

您可以使用 findall 表达式通过 digit 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

问候， 迪瓦卡·夏尔马

Answer 12

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)

Answer 13

我只是添加这个答案，因为没有人使用异常处理添加一个，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)

Output：

[1234.0, 56.78]

Answer 14

我很惊讶地看到还没有人提到使用itertools.groupby作为实现这一目标的替代方法。

您可以使用itertools.groupby()和str.isdigit()以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]

l持有的值将是：

[12, 89]

PS：这只是为了说明目的，以表明我们也可以使用groupby来实现这一点。 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列表理解和str.isdigit作为过滤器的 fmark 接受的答案。

Answer 15

我发现的最干净的方法：

>>> data = 'hs122 125 &55,58, 25'
>>> new_data = ''.join((ch if ch in '0123456789.-e' else ' ') for ch in data)
>>> numbers = [i for i in new_data.split()]
>>> print(numbers)
['122', '125', '55', '58', '25']

或这个：

>>> import re
>>> data = 'hs122 125 &55,58, 25'
>>> numbers = re.findall(r'\d+', data)
>>> print(numbers)
['122', '125', '55', '58', '25']

Answer 16

@jmnas，我喜欢你的回答，但没有找到浮动。 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。 这会找到 int, float 正负值。 仍然找不到十六进制格式的值，但您可以将“x”和“A”通过“F”添加到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

        try:
            l.append(float(num))
        except ValueError:
            pass

print(l)

Answer 17

由于这些都没有涉及 excel 中的真实世界财务数字和我需要找到的 word 文档，因此这是我的变体。 它处理整数、浮点数、负数、货币数字（因为它不回复拆分），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。

它还处理印度拉克斯数字系统，其中逗号不规则出现，而不是每隔 3 个数字分开。

它不处理科学记数法或预算中括号内的负数 - 将显示为正数。

它也不提取日期。 在字符串中查找日期有更好的方法。

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

Answer 18

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。

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)    

Answer 19

str1 = "There are 2 apples for 4 persons"

# printing original string 
print("The original string : " + str1) # The original string : There are 2 apples for 4 persons

# using List comprehension + isdigit() +split()
# getting numbers from string 
res = [int(i) for i in str1.split() if i.isdigit()]

print("The numbers list is : " + str(res)) # The numbers list is : [2, 4]