Question

如果我的行数很少：

1,000 barrels
5 Megawatts hours (MWh)
80 Megawatt hours (MWh) (5 MW per peak hour).

捕获数字元素（即第一个实例）和第一个括号（如果存在）的最佳方法是什么。

我目前的方法是使用每个' '. and str.isalpha拆分字符串来查找非alpha元素。但是，不确定如何获得parantheses中的第一个条目。

Answer 1

这是使用正则表达式的方法：

import re

text = """1,000 barrels
5 Megawatts hours (MWh)
80 Megawatt hours (MWh) (...)"""

r_unit = re.compile("\((\w+)\)")
r_value = re.compile("([\d,]+)")

for line in text.splitlines():
    unit = r_unit.search(line)
    if unit:
        unit = unit.groups()[0]
    else:
        unit = ""
    value = r_value.search(line)
    if value:
        value = value.groups()[0]
    else:
        value = ""
    print value, unit

或其他更简单的方法是使用这样的正则表达式：

r = re.compile("(([\d,]+).*\(?(\w+)?\)?)")
for line, value, unit in r.findall(text):
    print value, unit

（在写完前一个之后我想到了那个:-p）

最后一次正则表达式的完整解释：

(      <- LINE GROUP
 (     <- VALUE GROUP
  [    <- character grouping (i.e. read char is one of the following characters)
   \d  <- any digit
   ,   <- a comma
  ]
  +    <- one or more of the previous expression
 )
 .     <- any character
 *     <- zero or more of the previous expression
 \(    <- a real parenthesis
 ?     <- zero or one of the previous expression
 (     <- UNIT GROUP
  [
   \w  <- any alphabetic/in-word character
   +   <- one or more of the previous expression
  ]
 )
 ?     <- zero or one of the previous expression
 \)    <- a real ending parenthesis
 ?     <- zero or one of the previous expression
 )
)

Answer 2

对于提取数值，您可以使用re

import re
value = """1,000 barrels
           5 Megawatts hours (MWh)
           80 Megawatt hours (MWh) (5 MW per peak hour)"""
re.findall("[0-9]+,?[0-9]*", value)

提取数字数据Python

2 个答案: