如何从Python中的字符串中提取数字？

Question

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？

示例：

line = "hello 12 hi 89"

结果：

[12, 89]

Answer 1

如果您只想提取正整数，请尝试以下方法：

>>> 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。如果您不能接受这些限制，slim's answer below将会解决这个问题。

Answer 2

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']

这也与bla42bla的42匹配。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']

最后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]

Answer 3

这已经晚了一点，但你可以扩展正则表达式来解释科学记数法。

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)

给予所有好处！

此外，您可以查看AWS Glue built-in regex

Answer 4

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

Answer 5

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(''.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

Answer 6

要捕获不同的模式，使用不同的模式进行查询很有帮助。

设置所有捕获不同兴趣数字模式的模式：

（查找逗号）12,300或12,300.00

'[[d] + [。，\ d] +'

（发现浮动）0.123或.123

'[\ d] * [。] [\ d] +'

（查找整数）123

'[[d] +'

使用管道（|）将其合并为具有多个或条件的一个模式。

（注意：首先放置复杂模式，否则简单模式将返回复杂捕获的块，而不是复杂捕获返回完整捕获）。

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

下面，我们将确认re.search()中存在一个模式，然后返回一个可重复的捕获量列表。最后，我们将使用括号符号打印每个捕获，以从匹配对象中选择匹配对象的返回值。

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

返回：

33
42
32
30
444.4
12,001

Answer 7

# 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]

Answer 8

对于电话号码，您只需在正则表达式中用\ D排除所有非数字字符：

import re

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

Answer 9

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)

Answer 10

我一直在寻找一种解决方案，特别是从巴西电话号码中删除字符串的面具，这篇文章没有得到回答，但给了我启发。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'

Answer 11

我很惊讶地发现没有人提到使用itertools.groupby作为替代方案来实现这一目标。

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保留的值为：

[12, 89]

PS： 这仅用于说明目的，以表明我们也可以使用groupby来实现此目的。但这不是推荐的解决方案。如果您想实现此目标，则应使用基于使用str.isdigit的列表理解作为过滤器的accepted answer of fmark。

Answer 12

下面使用正则表达式是方法

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)

Answer 13

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。

它还处理印第安拉克斯数字系统，其中逗号不规则地出现，而不是每隔3个数字。

它没有处理科学记数法或在预算中放在括号内的负数 - 会显得积极。

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

Answer 14

我只是添加这个答案，因为没有人使用异常处理添加了一个答案，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]

Answer 15

@jmnas，我喜欢你的答案，但它没有找到漂浮物。我正在编写一个脚本来解析进入CNC工厂的代码，并且需要找到可以是整数或浮点数的X和Y维度，因此我将您的代码调整为以下内容。这找到了int，float有正负val。仍然没有找到十六进制格式的值，但你可以添加＆＃34; x＆＃34;和＆＃34; A＆＃34;通过＆＃34; F＆＃34;到num_char元组，我认为它会解析诸如“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)

Answer 16

line2 = "hello 12 hi 89"
temp1 = re.findall(r'\d+', line2) # through regular expression
res2 = list(map(int, temp1))
print(res2)

嗨，

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

希望这会有所帮助

关于， 迪瓦卡·夏尔马

Answer 17

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)