Python：验证字符串是否为没有转换的浮点数

时间：2016-04-04 15:04:28

标签： python validation floating-point type-conversion

是否有Pythonic方法来验证字符串是否表示浮点数（float()可以识别的任何输入，例如-1.6e3），而不是转换它（并且理想情况下，没有诉诸投掷和捕捉例外）？

之前的问题已经提交，说明如何检查字符串是代表integer还是float。答案建议在用户定义的函数中将try...except子句与int()和float()内置函数一起使用。

然而，这些并没有妥善解决速度问题。虽然使用try...except惯用法将转换过程与验证过程联系起来（在某种程度上是正确的），但是为了验证目的而重复大量文本的应用程序（任何模式验证器，解析器）将受到开销的影响执行实际转换。除了由于数字的实际转换而导致的减速之外，还存在因抛出和捕获异常而导致的减速。 This GitHub gist演示了与仅用户定义的验证相比，内置转换代码的成本是两倍（比较True个案例）和异常处理时间（False时间减去{{1单独True版本的时间）就是7次验证。对于整数的情况，这回答了我的问题。

有效的答案将是：以比try..except方法更有效的方式解决问题的函数，对未来允许的内置特性的文档的引用，对Python的引用现在允许这个的包（并且比try..except方法更有效），或者说明为什么这样的解决方案不是Pythonic，或者否则将永远不会被实现的文档的解释。具体来说，为了防止混乱，请避免使用“否”等答案而不指向官方文档或邮件列表辩论，并避免重复try..except方法。

4 个答案:

答案 0 :(得分：4)

正如@John在评论中提到的那样，这显示为answer in another question，尽管在这种情况下它不是公认的答案。正则表达式和fastnumbers模块是解决此问题的两种方法。

但是，它正确地指出（正如@en_Knight所做的那样）表现在很大程度上取决于投入。如果期望大多数是有效的输入，那么EAFP方法更快，可以说更优雅。如果您不知道要输入什么，那么LBYL可能更合适。从本质上讲，验证应该主要是有效的输入，因此它更适合try..except。

事实上，对于我在表格数据文件中识别数据类型的用例（以及作为相关问题的作者），try..except方法更合适：列是全部浮点数，或者，如果它具有非浮点值，则从它上面的那一行开始考虑文本，因此实际测试浮点数的大多数输入在任何一种情况下都是有效的。我猜所有其他答案都是针对某些事情的。

回到答案，快速数字和正则表达式仍然是一般案例的吸引人的解决方案。具体来说，fastnumbers包似乎适用于除Infinity，Inf和NaN等特殊值以外的所有值，如this GitHub gist中所示。上述答案中的简单正则表达式也是如此（略微修改 - 删除尾随\b，因为它会导致某些输入失败）：

^[-+]?(?:\b[0-9]+(?:\.[0-9]*)?|\.[0-9]+)(?:[eE][-+]?[0-9]+\b)?$

在gist中使用了确实识别特殊值的笨重版本，并具有相同的性能：

^[-+]?(?:[Nn][Aa][Nn]|[Ii][Nn][Ff](?:[Ii][Nn][Ii][Tt][Yy])?|(?:\b[0-9]+(?:\.[0-9]*)?|\.[0-9]+)(?:[eE][-+]?[0-9]+\b)?)$

正则表达式实现在有效输入上慢约2.8倍，但在无效输入上快〜2.2倍。无效输入比使用try..except的有效输入慢〜5倍，或使用正则表达式快〜1.3倍。鉴于这些结果，当40％或更多的预期输入无效时，这意味着使用正则表达式是有利的。

快速数字在有效输入上仅快约1.2倍，但在无效输入上快约6.3倍。

结果如下图所示。我跑了10 ^ 6次重复，有170个有效输入和350个无效输入（相应地加权，所以平均时间是每个输入）。颜色不显示，因为框太窄，但每列左侧的颜色描述有效输入的时间，而无效输入则在右侧。

Timings of methods to validate whether a string holds a valid float value, according to whether inputs are valid or invalid

注意答案被多次编辑，以反映对问题，答案和其他答案的评论。为清楚起见，编辑已合并。一些评论涉及以前的版本。

答案 1 :(得分：0)

如果是pythonic是理由，那么你应该坚持The Zen of Python。特别针对这些：

  

明确比隐含更好。

     

简单比复杂更好。

     

可读性计数。

     

应该有一个 - 最好只有一个 - 显而易见的方法。

     

如果实施难以解释，那就不好了。

所有这些人都支持try-except方法。转换是明确的，简单的，可读的，明显的且易于解释

此外，知道某些东西是否为浮点数的唯一方法是测试它是否为浮点数。这可能听起来多余，但它不是

现在，如果主要问题是在尝试测试过多的假设浮点数时的速度，你可以使用一些带有cython的C扩展来一次测试所有这些。但我并不认为它会在速度方面给你太多的改进，除非要尝试的字符串数量非常大

编辑：

Python开发人员倾向于选择EAFP方法（更容易要求宽恕而不是权限），使得try-except方法更加pythonic（我无法找到PEP）

这里（Cost of exception handlers in Python）是针对if-then的try-except方法之间的比较。事实证明，在Python中，异常处理并不像在其他语言中那样昂贵，并且在必须处理异常的情况下，它的成本更高。在一般用例中，您不会尝试验证字符串很可能实际上不是浮点数（除非在您的特定情况下，您有这种情况）。

正如我在评论中所说的那样。如果没有特定的用例，要测试的数据和时间的测量，整个问题就没有多大意义。只是谈论最通用的用例，尝试 - 除了是要走的路，如果你有一些实际需要不能足够快地满足它，那么你应该把它添加到问题

答案 2 :(得分：-1)

要证明一点：字符串必须遵守的条件并不多，才能float能够。但是，在Python中检查所有这些条件会相当慢。

ALLOWED = "0123456789+-eE."
def is_float(string):
    minuses = string.count("-")
    if minuses == 1 and string[0] != "-":
        return False
    if minuses > 1:
        return False

    pluses = string.count("+")
    if pluses == 1 and string[0] != "+":
        return False
    if pluses > 1:
        return False

    points = string.count(".")
    if points > 1:
        return False

    small_es = string.count("e") 
    large_es = string.count("E")
    es = small_es + large_es
    if es > 1:
        return False
    if (es == 1) and (points == 1):
        if small_es == 1:
            if string.index(".") > string.index("e"):
                return False
        else:
            if string.index(".") > string.index("E"):
                return False

    return all(char in ALLOWED for char in string)

我实际上没有对此进行测试，但我愿意打赌这比try: float(string); return True; except Exception: return False

慢很多

答案 3 :(得分：-1)

快速解决方案，如果你确定你想要它

看一下this reference implementation - 在python中转换为float会在C代码中发生，并且执行效率非常高。如果您真的担心开销，可以将该代码逐字复制到自定义C扩展中，但不是引发错误标志，而是返回表示成功的布尔值。

特别是，请查看为将十六进制强制转换为float而实现的复杂逻辑。这是在C级完成的，有很多错误情况;这里似乎不太可能有一条捷径（请注意40条评论争论一个特定的保护案例），或者在保留这些案例时任何手动实施都会更快。

但是......有必要吗？

作为一个假设，这个问题很有意思，但在一般情况下，应该尝试对其代码进行分析，以确保try catch方法增加了开销。根据您的使用情况，尝试/捕捉is often idiomatic以及can be faster。例如，python中的for循环使用try / catch by design。

替代方案以及为什么我不喜欢它们

澄清一下，问题是关于

  

float（）

可识别的任何输入

备选方案＃1 - 正则表达式

我发现很难相信你会得到一个正则表达式来解决这个问题。虽然正则表达式擅长捕获浮点文字，但有很多极端情况。查看this answer上的所有案例 - 您的正则表达式是否处理NaN？指数？ Bool（但不是bool弦）？

备选方案＃2：手动取消版本的Python检查：

总结需要捕获的棘手案例（Python本身就是这样做的）

我还会指出语言规范中浮点以下的情况;想象中的数字。浮动方法通过识别它们的优点来处理这些，但在转换时抛出类型错误。您的自定义方法会模仿该行为吗？

相关问题
最新问题