正则表达式 findall 的数字

Posted 2023-03-12

【中文标题】正则表达式 findall 的数字

【英文标题】：regex findall for numbers

【发布时间】：2018-06-10 20:28:02

【问题描述】：

我正在尝试提取文本中嵌入的 6 位数字。数字总是以零开头，总是有 6 位数字，在第 4 位数字之后用句点分隔，如下所示：

0 0133.02[text] in location [texttext](text) numbers 1 0121.08[text] in location [texttext](text) numbers ...

我运行以下命令：

import re filtered = re.findall("0\d\d\d[.]\d\d", str(df['col']))

有478行需要解析，每行包含上述数字。但是，filtered 结果只输出 60，即使我更改了正则表达式格式。有趣的是，filtered 似乎主要由 478 行中第一行和最后几行的数字组成，而不是中间的数字？

编辑： 我提取了有效与无效的行，发现有效的行是前 30 行和后 30 行（0-29、448-477）。

以下是无效行的示例（446、447）： 446 0005.00 [CT] in Vancouver [CMA] (B.C.) 44160 447 0170.05 [CT] in Vancouver [CMA] (B.C.) 44006

还有一个有效的行示例（448、449）： 448 0050.04 [CT] in Vancouver [CMA] (B.C.) 43995 449 0067.01 [CT] in Vancouver [CMA] (B.C.) 43989

【问题讨论】：

不看数据就很难看出哪里出了问题。您的正则表达式应该可以工作。

您的问题与这个有关吗？ ***.com/questions/15325182/…

尝试'\d+\.?\d*' 并查看结果数。可能您的某些元素与您的预期格式不匹配

您需要共享更多数据才能使其正常工作。我们无法猜测出了什么问题。提取不起作用的行怎么样？

【参考方案1】：

这些可以帮助您解决这个问题。我将删除它，因为它不是答案。

import re
import pandas as pd

data = dict(col=['texttexttext 0036.01 texttext','texttexttext 0006.21 texttext'])
df = pd.DataFrame(data)

re.findall("0\d3\.\d2", str(df['col'])) #Simplified your regex

有效地创造：

['0036.01', '0006.21']

试试这个怎么样：

re.findall("0\d3\.\d2",' '.join(df['col'].tolist()))

如果中间行不起作用，请提取样本，例如，并与我们分享：

print('\n'.join(df['col'][200:220].tolist()))

【讨论】：

感谢您的建议，我编辑了帖子以包含无效行的示例

@eh2699 奇怪.. 如果你改为使用 ' '.join() 函数会怎样？

成功了！！对不起，我是 python 新手，你能花点时间吗？ - join() 做了什么来使它工作而不使用那个没有？

@eh2699 tbh 这更像是一个猜测。 str.join() 将字符串列表粘合到一个长字符串中。我的猜测是 str(df['col']) 没有返回所有值。