Question

目标

在单词hours，hour，day或days之前提取数字

如何使用|来匹配单词？

s = '2 Approximately 5.1 hours 100 ays 1 s'
re.findall(r"([\d.+-/]+)\s*[days|hours]", s) # note I do not know whether string s contains hours or days

返回

['5.1', '100', '1']

由于100和1不在确切的字小时前，因此它们不应出现。预期

5.1

如何从匹配结果中提取第一个数字

s1 = '2 Approximately 10.2 +/- 30hours'
re.findall(r"([\d. +-/]+)\s*hours|\s*hours", s)

返回

['10.2 +/- 30']

期望

10.2

请注意，特殊字符+/-.是可选的。当出现.之类的1.3时，将需要在.中显示1.3。但是当1 +/- 0.5发生时，将需要提取1，并且+/-都不应该提取。

我知道我可能会进行拆分，然后取第一个数字

str(re.findall(r"([\d. +-/]+)\s*hours", s1)[0]).split(" ")[1]

给予

'10.2'

但是某些结果仅返回一个数字，因此拆分会导致错误。我应该再做一步还是要一步完成？

请注意，这些字符串s1，s2是数据框中的值。因此，将需要使用apply和lambda之类的函数进行迭代。

Answer 1

事实上，我会在这里使用re.findall：

units = ["hours", "hour", "days", "day"]   # the order matters here: put plurals first
regex = r'(?:' + '|'.join(units) + r')'
s = '2 Approximately 5.1 hours 100 ays 1 s'
values = re.findall(r'\b(\d+(?:\.\d+)?)\s+' + regex, s)
print(values)  # prints [('5.1')]

如果您想也捕获正在使用的单位，则使单位交替捕获，即使用：

regex = r'(' + '|'.join(units) + r')'

那么输出将是：

[('5.1', 'hours')]

Answer 2

代码

import re
units = '|'.join(["hours", "hour", "hrs", "days", "day", "minutes", "minute", "min"])  # possible units
number = '\d+[.,]?\d*'                              # pattern for number
plus_minus = '\+\/\-'                               # plus minus

cases = fr'({number})(?:[\s\d\-\+\/]*)(?:{units})'

pattern = re.compile(cases)

测试

print(pattern.findall('2 Approximately 5.1 hours 100 ays 1 s'))   
# Output: [5.1]

print(pattern.findall('2 Approximately 10.2 +/- 30hours'))        
# Output: ['10.2']

print(pattern.findall('The mean half-life for Cetuximab is 114 hours (range 75-188 hours).'))        
# Output: ['114', '75']

print(pattern.findall('102 +/- 30 hours in individuals with rheumatoid arthritis and 68 hours in healthy adults.'))        
# Output: ['102', '68']

print(pattern.findall("102 +/- 30 hrs"))                          
# Output: ['102']

print(pattern.findall("102-130 hrs"))                             
# Output: ['102']

print(pattern.findall("102hrs"))                                  
# Output: ['102']

print(pattern.findall("102 hours"))                               
# Output: ['102']

说明

上面使用了方便的方式，可以将原始字符串（r'...'）和字符串插值f'...'组合为：

fr'...'

每个PEP 498

案例字符串：

fr'({number})(?:[\s\d\-\+\/]*)(?:{units})'

零件是顺序：

fr'（{number}）'-捕获组'（\ d + [。，]？\ d *）'用于整数或浮点数
r'（？：[\ s \ d-+ /] *）'-非捕获组，用于数字和单位（即空格，+，-，数字，/）之间的允许字符
fr'（？：{units}）'-单位的非捕获组

使用正则表达式在特定单词之前提取数字

2 个答案: