提取特定单词后的所有数字（整数和浮点数）

Posted 2023-02-23

【中文标题】提取特定单词后的所有数字（整数和浮点数）

【英文标题】：Extract all numbers (int and floats) after specific word

【发布时间】：2021-12-19 04:38:03

【问题描述】：

假设我有以下字符串：

str = """
         HELLO 1 Stop #$**& 5.02‼️ 16.1 
         regex

         5 ,#2.3222
      """

我想导出所有数字，无论是 int 还是 float 在单词“stop”之后，不区分大小写。所以预期的结果是：

[5.02, 16.1, 5, 2.3222]

到目前为止，我最远的是使用其他帖子中的 PyPi 正则表达式：

regex.compile(r'(?<=stop.*)\d+(?:\.\d+)?', regex.I)

但这个表达式只给了我 [5.02, 16.1]

【问题讨论】：

到目前为止你尝试过什么？您有具体的问题吗？

是的，问题已更新

【参考方案1】：

你可以使用：

inp = """
HELLO 1 Stop #$**& 5.02‼️ 16.1 
regex

5 ,#2.3222"""

nums = []
if re.search(r'\bstop\b', inp, flags=re.I):
    inp = re.sub(r'^.*?\bstop\b', '', inp, flags=re.S|re.I)
    nums = re.findall(r'\d+(?:\.\d+)?', inp)

print(nums)  # ['5.02', '16.1', '5', '2.3222']

上面的if 逻辑确保我们仅在确定Stop 出现在输入文本中时才尝试填充数字数组。否则，默认输出只是一个空数组。如果Stop 确实出现了，那么我们在使用re.findall 查找之后出现的所有数字之前去掉字符串的前导部分。

【参考方案2】：

import re

_string = """
          HELLO 1 Stop #$**& 5.02‼️ 16.1
          regex

          5 ,#2.3222
       """

start = _string.find("Stop") + len("Stop")
print(re.findall("[-+]?\d*\.?\d+", _string[start:]))   # ['5.02', '16.1', '5', '2.3222']

【参考方案3】：

您只会得到前 2 个数字，因为 .* 不匹配换行符。

您可以将更新标志添加到regex.I | regex.S 以使点匹配换行符。

import regex

text = """
         HELLO 1 Stop #$**& 5.02‼️ 16.1 
         regex

         5 ,#2.3222
      """

pattern = regex.compile(r'(?<=\bstop\b.*)\d+(?:\.\d+)?', regex.I | regex.S)

print(regex.findall(pattern, text))

输出

['5.02', '16.1', '5', '2.3222']

查看Python demo

---

如果你想打印在“stop”这个词之后的数字，你也可以使用pythonre匹配stop，然后将后面的全部捕获到一个组中。

然后你可以取第 1 组的值，并找出所有的数字。

import re
 
text = """
         HELLO 1 Stop #$**& 5.02‼️ 16.1 
         regex
 
         5 ,#2.3222
      """
pattern = r"\bStop\b(.+)"
 
m = re.search(pattern, text, re.S|re.I)
 
if m:
    print(re.findall(r"\d+(?:\.\d+)*", m.group(1)))

输出

['5.02', '16.1', '5', '2.3222']

【讨论】：

哈！我现在删除的答案可能看起来很熟悉。

@CarySwoveland 你也可以使用内联修饰符:-)

\G 可能更适合 (+1)，可变的后视很昂贵。

【参考方案4】：

还有一个，虽然是更新的regex 模块：

(?:\G(?!\A)|Stop)\D+\K\d+(?:\.\d+)?

见a demo on regex101.com。

---

在Python，这可能是

import regex as re

string = """
         HELLO 1 Stop #$**& 5.02‼️ 16.1 
         regex

         5 ,#2.3222
      """

pattern = re.compile(r'(?:\G(?!\A)|Stop)\D+\K\d+(?:\.\d+)?')

numbers = pattern.findall(string)
print(numbers)

并且会产生

['5.02', '16.1', '5', '2.3222']

不要以内置函数命名变量，例如 str、list、dict 等。

---

如果您需要更进一步并将搜索限制在某些范围内（例如，Stop 和 end 之间的所有数字），您也可以使用

(?:\G(?!\A)|Stop)(?:(?!end)\D)+\K\d+(?:\.\d+)?
#           ^^^        ^^^

查看另一个demo on regex101.com。

【讨论】：

不错，Jan. ^.*\bStop\b(\D*\K\d+(?:\.\d+)?)|\G(?1) 似乎也适用于 PCRE2 (Demo)，其中 (?1) 是一个重用捕获组 1 中代码的子例程，但我不能让它工作here，但是...

...您的正则表达式工作正常there。您发现我的变体有问题吗？

@CarySwoveland：它真的不起作用，请参阅here（您有两个很多匹配项，请参阅"1"）。您可以让它与匹配的对象一起工作。无法访问在递归内部匹配的捕获组，请参阅documentation。这有帮助吗？

是的，很有帮助，但我仍然不明白为什么它适用于 PCRE2 但不适用于 Tio。

@CarySwoveland 这里是the correct demo of your solution。您可能想在此处使用rgx = r'(?ms)^.*?\bStop\b(\D*\K\d+(?:\.\d+)?)|\G(?1)'，可能与[x.group() for x in re.finditer(rgx, s)] 一起使用。