如何在 Python 中从字符串中提取数字？-IT科技

摘要：问题描述：我想提取字符串中包含的所有数字。正则表达式和isdigit()方法哪个更适合这个目的？例子：line = "hello 12 hi 89" 结果：[12, 89] 解决方案 1：我会使用正则表达式：>>> import re >>> re.fi...

问题描述：

我想提取字符串中包含的所有数字。正则表达式和isdigit()方法哪个更适合这个目的？

例子：

line = "hello 12 hi 89"

结果：

[12, 89]

解决方案 1：

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']

这也会匹配中的 42。bla42bla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'd+', "he33llo 42 I'm a 32 string 30")
['42', '32', '30']

最终得到的是数字列表而不是字符串列表：

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

注意：这不适用于负整数

解决方案 2：

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，并且它更具可读性，因为您不需要解析（和学习）正则表达式微语言。

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，jmnas 的以下答案将解决问题。

解决方案 3：

您还可以扩展正则表达式来考虑科学计数法。

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]+(?:,ddd)*[.]?d*(?:[eE][-+]?d+)?", s)
    if rr == r:
        print('GOOD')
    else:
        print('WRONG', rr, 'should be', r)

给予一切美好！

此外，您还可以查看AWS Glue 内置正则表达式

解决方案 4：

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，对于非负整数：

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

解决方案 5：

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'd+', 'he33llo 42 I\'m a 32 string -30')
['42', '32', '30']

>>> '-3'.isdigit()
False

解决方案 6：

为了捕捉不同的模式，使用不同的模式进行查询会很有帮助。

设置捕捉感兴趣的不同数字模式的所有模式：

查找逗号，例如 12,300 或 12,300.00

r'[d]+[.,d]+'

查找浮点数，例如 0.123 或 .123

r'[d]*[.][d]+'

查找整数，例如 123

r'[d]+'

与管道 ( `|`) 结合成一个具有多个或条件的模式。

（注意：将复杂模式放在第一位，否则简单模式将返回复杂捕获的部分，而不是复杂捕获返回完整捕获）。

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

下面，我们将使用确认模式是否存在re.search()，然后返回可迭代的捕获列表。最后，我们将使用括号表示法打印每个捕获，以从匹配对象中选择匹配对象返回值。

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

解决方案 7：

我正在寻找一种解决方案来删除字符串的掩码，特别是从巴西电话号码中删除，这篇文章没有回答我的问题，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'

解决方案 8：

# 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]

解决方案 9：

对于电话号码，您可以简单地使用正则表达式排除所有非数字字符D：

import re

phone_number = "(619) 459-3635"
phone_number = re.sub(r"D", "", phone_number)
print(phone_number)

in代表原始字符串。它是必需的。如果没有它，Python 会将其视为r转义字符。r"D"`D`

解决方案 10：

下面使用正则表达式来表示非负数的方法

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)

使用 findall
re.findall(r'd+', "hello 12 hi 89")

['12', '89']

re.findall(r'd+', "hello 12 hi 89 33F AC 777")

['12', '89', '777']

解决方案 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)

您可以使用 findall 表达式通过数字搜索字符串中的所有整数。

第二步，创建一个列表 res2，并将在字符串中找到的数字添加到该列表中。

解决方案 12：

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]

解决方案 13：

这个答案还包含字符串中数字为浮点数的情况

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)

解决方案 14：

令我惊讶的是，还没有人提到使用itertools.groupby作为替代方法来实现这一点。

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

持有的价值l将是：

[12, 89]

PS：这只是为了说明，我们也可以采用另一种方法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fmark 的公认答案，该答案基于使用列表推导str.isdigit作为过滤器。

解决方案 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']

或这样：

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

解决方案 16：

@jmnas，我喜欢你的回答，但它没有找到浮点数。我正在编写一个脚本来解析发送到 CNC 铣床的代码，需要找到可以是整数或浮点数的 X 和 Y 维度，因此我根据以下内容调整了你的代码。这会找到具有正值和负值的 int、浮点数。仍然找不到十六进制格式的值，但你可以将“x”和“A”到“F”添加到num_char元组中，我认为它会解析“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)

解决方案 17：

由于这些都不能处理我需要找到的 Excel 和 Word 文档中的真实财务数字，因此这是我的变体。它处理整数、浮点数、负数、货币数字（因为它不会对拆分做出响应），并且可以选择删除小数部分并仅返回整数，或者返回所有内容。

它还处理印度拉克数字系统，其中逗号出现不规律，不是每 3 个数字相隔一个。

它不处理预算中括号内的科学计数法或负数——它们会显示为正数。

它也不能提取日期。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

解决方案 18：

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]

解决方案 19：

正则表达式

regx_pattern= r'd+.d+|d+'

python实现：

import re

regx_pattern = r'd+.d+|d+'
txt = "The price is $12.99 and the quantity is 5 21321 dasdsa 123213."
matches = re.findall(regx_pattern, txt)
print(matches)

输出：

['12.99', '5', '21321', '123213']

一点解释：

它将识别数字 '\d+'或识别带有小数点的数字。python 实现会找到所有匹配项并将它们设置在列表中。

解决方案 20：

我发现的最佳选项如下。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)