[英]How to extract numbers from a string in Python?
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]
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。
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]
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
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
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
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'
# extract numbers from garbage string:
s = '12//n,_@#$%3.14kjlw0xdadfackvj1.6e-19&*ghn334'
newstr = ''.join((ch if ch in '0123456789.-e' else ' ') for ch in s)
listOfNumbers = [float(i) for i in newstr.split()]
print(listOfNumbers)
[12.0, 3.14, 0.0, 1.6e-19, 334.0]
要捕获不同的模式,使用不同的模式进行查询会很有帮助。
'[\d]+[.,\d]+'
'[\d]*[.][\d]+'
'[\d]+'
(注意:将复杂模式放在首位,否则简单模式将返回复杂捕获的块,而不是返回完整捕获的复杂捕获)。
p = '[\d]+[.,\d]+|[\d]*[.][\d]+|[\d]+'
下面,我们将使用re.search()
确认一个模式,然后返回一个可迭代的捕获列表。 最后,我们将使用括号表示法打印每个捕获,以便从匹配 object 中选择匹配 object 返回值。
s = 'he33llo 42 I\'m a 32 string 30 444.4 12,001'
if re.search(p, s) is not None:
for catch in re.finditer(p, s):
print(catch[0]) # catch is a match object
回报:
33
42
32
30
444.4
12,001
使用下面的正则表达式是方法
lines = "hello 12 hi 89"
import re
output = []
#repl_str = re.compile('\d+.?\d*')
repl_str = re.compile('^\d+$')
#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']
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。
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
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)
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]
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。
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']
@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)
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
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)
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]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.