我想从文件中提取数字(整数和浮点数)(不包括所有特殊符号和字母)。所有职位的数字。
import re
file = open('input_file.txt', 'r')
file = file.readlines()
for line in file:
line=re.findall(r'\d+|\d+.\d+', line)
print line
答案 0 :(得分:4)
也许这会有所帮助。
此处的string
可以是您的line
。我只是输入了虚拟文本。
import re
string = "He is 100, I am 18.5 and we are 0.67. Maybe we should 100, 200, and 200b 200, 67.88"
s = re.findall(r"[-+]?\d*\.\d+|\d+", string)
print(s)
执行时吐出以下内容:
['100', '18.5', '0.67', '100', '200', '200', '200', '67.88']
<强>实验强>
我对弗兰肯斯坦的部分语料库进行了一些小实验。
注意我使用.read()
来读取整个文件而不是逐行处理。
import re
file = open('frank.txt', 'r')
file = file.read()
numbers = re.findall(r"[-+]?\d*\.\d+|\d+", file)
print(numbers)
这是结果:
['17', '2008', '84', '1', '11', '17', '2', '28', '17', '3', '7', '17', '4', '5', '17', '31', '13', '17', '19', '17', '1', '2', '3', '4', '5', '6', '18', '17', '7', '7', '12', '17', '8', '9', '10', '11', '12', '13', '14', '15', '16', '17', '18', '19', '27', '20', '21', '22', '18', '17', '23', '24', '26', '17', '2', '5', '7', '12', '9', '11', '84', '84', '8', '84', '1', '1', '1', '.8', '1', '1', '1', '1', '1', '1', '1', '.1', '1', '.2', '1', '.1', '1', '.7', '1', '.8', '1', '.9', '1', '.3', '1', '.1', '1', '.7', '1', '.4', '1', '.5', '1', '.1', '1', '.6', '1', '.1', '1', '.7', '1', '.8', '1', '.9', '1', '.8', '20', '60', '4', '30', '1', '.3', '90', '1', '.9', '3', '1', '1', '.1', '1', '.2', '1', '.3', '3', '1', '.3', '90', '1', '.4', '1', '.3', '1', '.5', '1', '.6', '2', '2001', '3', '4', '3', '501', '3', '64', '6221541', '501', '3', '4557', '99712', '809', '1500', '84116', '801', '596', '1887', '4', '1', '5', '000', '50', '5']
单元测试
我写了一个更轻的版本,可以使用你提供的字符串。
import unittest
import re
# Extract numbers improved
def extract_numbers_improved(x):
numbers = re.findall(r"[-+]?\d*\.\d+|\d+", x)
return numbers
# Unit Test
class Test(unittest.TestCase):
def testcase(self):
teststr = "12asdasdsa 33asdsad 44 aidsasdd 2231%#@ qqq55 2222ww ww qq 1asdasd 33##$11 42.09 12$"
self.assertEqual(extract_numbers_improved(\
teststr), ['12', '33', '44', '2231', '55', '2222', '1', '33', '11', '42.09', '12'])
unittest.main()
当事情通过时,会发出绿色信号,如下所示:
Ran 1 test in 0.000s
OK
答案 1 :(得分:3)
如果不澄清,您可以尝试以下方法。
re.findall(r'[+-]?\d+(?:\.\d+)?', line)
答案 2 :(得分:1)
re.findall("[+-]?\d+\.?\d*",some_text)
我认为至少
[+-]?
零或一个+或 - (即可选)
\d+
一个或多个数字
\.?
可选的小数
\d*
零个或多个额外数字