Python：从字符串中提取数字-Java 学习之路

302

我会提取字符串中包含的所有数字 . 哪个更适合用于目的，正则表达式或 isdigit() 方法？

例：

line = "hello 12 hi 89"

结果：

[12, 89]

13 回答

337
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（因此可能更加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，那么slim's answer below就可以了 .
回复于 2024-04-27T15:23:21+08:00

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 匹配42 . 如果您只想要按字边界（空格，句号，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]

回复于 2024-04-27T15:23:21+08:00

这有点晚了，但您可以扩展正则表达式以考虑科学记数法 .

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！

另外，你可以看一下AWS Glue built-in regex

回复于 2024-04-27T15:23:21+08:00

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

回复于 2024-04-27T15:23:21+08:00

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(filter(str.isdigit, '200 grams'))
Out[1]: 200
In [2]: int(filter(str.isdigit, 'Counters: 55'))
Out[2]: 55
In [3]: int(filter(str.isdigit, 'more than 23 times'))
Out[3]: 23

但要小心!!! ：

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

回复于 2024-04-27T15:23:21+08:00

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)

回复于 2024-04-27T15:23:21+08:00

# 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]

回复于 2024-04-27T15:23:21+08:00

59
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 .

您可以将itertools.groupby()与str.isdigit()一起使用，以便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 保持的值为：
```
[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 . 如果你想实现这个，你应该使用accepted answer of fmark基于使用列表理解和 str.isdigit 作为过滤器 .
回复于 2024-04-27T15:23:21+08:00
2
我一直在寻找一种解决方案，以删除字符串的面具，特别是从巴西手机号码，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'
```
回复于 2024-04-27T15:23:21+08:00
7
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
```
回复于 2024-04-27T15:23:21+08:00
0
@jmnas，我很喜欢你的答案，但它没有't find floats. I'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，所以我将你的代码改编成以下内容 . 这找到了int，float，带有正负val . 仍然没有找到十六进制格式的值，但你可以通过 num_char _元组添加"x"和"A"，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)
```
回复于 2024-04-27T15:23:21+08:00

332

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)

回复于 2024-04-27T15:23:21+08:00

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)

回复于 2024-04-27T15:23:21+08:00

Python：从字符串中提取数字

13 回答

相关问题