我会提取字符串中包含的所有数字。哪个更适合目的,正则表达式或isdigit()
方法?
例:
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:
>>> 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的例子好三个原因。首先,你不需要另一个模块;其次,它更具可读性,因为你不需要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
这将无法识别十六进制格式的浮点数,负整数或整数。如果你不能接受这些限制,slim's answer below将会做到这一点。
下面使用正则表达式
lines = "hello 12 hi 89"
import re
output = []
line = lines.split()
for word in line:
match = re.search(r'\d+.?\d*', word)
if match:
output.append(float(match.group()))
print (output)
由于这些都不涉及我需要找到的excel和word文档中的真实世界金融数字,所以这是我的变体。它处理整数,浮点数,负数,货币数(因为它不会在拆分时回复),并且可以选择删除小数部分并返回整数,或者返回所有内容。
它还处理印度拉克斯数字系统,其中逗号不规则地出现,而不是每隔3个数字。
它不处理科学记数法或在预算中括号内的负数 - 将显得积极。
它也不提取日期。有更好的方法可以在字符串中查找日期。
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
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)
输出:
[1234.0, 56.78]
@jmnas,我喜欢你的答案,但它找不到花车。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。这找到了int,float有正负val。仍然没有找到十六进制格式的值,但你可以将“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)
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char。
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)
我使用正则表达式:
>>> import re
>>> re.findall(r'\d+', 'hello 42 I\'m a 32 string 30')
['42', '32', '30']
这也将与bla42bla
的42匹配。如果您只想要通过单词边界(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']
最终得到一个数字列表而不是字符串列表:
>>> [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,但你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)
给所有人带来好处!
此外,你可以看看AWS Glue built-in regex
我假设你想要浮点数不仅仅是整数,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
不过要小心 !!! :
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]
我一直在寻找一个解决方案,以删除字符串的面具,特别是从巴西电话号码,这篇文章没有回答,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'
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)
令我惊讶的是,没有人提到使用itertools.groupby
作为实现这一目标的替代方案。
你可以使用itertools.groupby()
和str.isdigit()
来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
持有的价值将是:
[12, 89]
PS:这只是为了说明目的,以表明作为替代方案,我们也可以使用groupby
来实现这一目标。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accepted answer of fmark基于使用列表理解与str.isdigit
作为过滤器。