如何使用正则表达式从一行文本中提取数值？

Posted 2023-03-16

【中文标题】如何使用正则表达式从一行文本中提取数值？

【英文标题】：How to extract a numeric value from a line of text with a regular expression?

【发布时间】：2021-12-03 18:58:19

【问题描述】：

我是正则表达式的新手，帮我从文本中提取必要的信息：

salespackquantity=1&itemCode=3760041","quantity_box_sales_uom"
&salespackquantity=1&itemCode=2313441","quantity_box

我需要分别取数字 3760041 和 2313441。正则表达式应该是什么样的？

【问题讨论】：

您需要使用正则表达式还是字符串操作有效？

是的，我需要正则表达式

请尝试一下

我尝试了 itemCode=[0-9]*\" 但它保存了整个字符串，我只需要数字（在 ItemCode= 和 "之间）

【参考方案1】：

如果我们只处理您展示的基于行的数据，那么它可能很简单：

.*itemCode=([0-9]+).*

这是残酷的，但会做的工作。您将提取第一个匹配组。

虽然您的示例似乎不一致且被截断，但可能会有所不同。如果有其他条件，请提供更多细节。

示例

>>> import re
>>> oneline = "salespackquantity=1&itemCode=3760041\",\"quantity_box_sales_uom\""
>>> match = re.search('.*itemCode=([0-9]+).*', oneline)
>>> match.group(0)
'salespackquantity=1&itemCode=3760041","quantity_box_sales_uom"'
>>> match.group(1)
'3760041'

你真的需要正则表达式吗？

可以说，正则表达式似乎是一种在这里获得所需内容的简单方法，但它可能效率极低，具体取决于您的用例和输入数据。

其他几种策略可能更容易：

先删除不必要的数据， 为您的特定内容使用适当的解析器（这里看起来像是 CSV 和 URL 查询字符串的混合）， 如果格式是固定的，甚至不要打扰和切割适当的边界。

正则表达式功能强大，对于简单的场景可能过于强大。不过，如果要运行一次性数据提取脚本，或者开发工作的成本/收益分析是否值得，那是完全公平的。

【讨论】：

你的例子选择了整个文本，我只需要这些数字（在ItemCode=和"之间）

@user461101：不。这取决于您如何使用我的示例。请注意，我说要提取第一个匹配组，这将是数字部分。

@user461101：我已经调整了我的答案，通过 python REPL 的一个活生生的例子向你展示它是如何完成的。

在我的情况下不起作用。这是我的表达式 itemCode=([0-9]+)。 ，如何修改它以便只选择数字，因为现在选择了整个字符串（itemCode=3760041"）

@user461101：如果您不显示您的代码，我无法帮助您。我给了你一个实际的工作示例，直接来自 Python 3 REPL。我不知道你的情况，因为我不知道你的确切数据、你的代码以及你运行它的方式。

【参考方案2】：

a = "example is the int and string 223576"
ext = []
b = "1234567890"
for i in a:
    if i in b:
        ext.append(i)
print(ext)

【讨论】：

嗯，这很可爱，但不太好用。 1/ 你假设 A 和 B 中的位置是相同的（它们不是）。 2/并且还会拾取字符串中的非连续字符（如“something2then234andthenagain76”）。

它将作为字符串序列工作并选择，而不是像字母数字索引。可能有人有其他想法。

请不要只发布代码作为答案，还要解释您的代码的作用以及它如何解决问题的问题。带有解释的答案通常更有帮助、质量更好，并且更有可能吸引投票。