如何从 Python 中的字符串中提取数字？
Posted
技术标签:
【中文标题】如何从 Python 中的字符串中提取数字？【英文标题】：How to extract numbers from a string in Python? 【发布时间】：2020-11-13 00:39:21 【问题描述】：我想提取字符串中包含的所有数字。哪个更适合这个目的，正则表达式还是isdigit() 方法？
例子：
line = "hello 12 hi 89"
结果：
[12, 89]
【问题讨论】：
不幸的是，样本输入数据太简单了，因为这样邀请了幼稚的解决方案。常见情况应处理与数字相邻的更有趣字符的输入字符串。更具挑战性的输入：'''gimme digits from "12", 34, '56', -789.'''
【参考方案1】：
如果您只想提取正整数，请尝试以下操作：
>>> txt = "h3110 23 cat 444.4 rabbit 11 2 dog"
>>> [int(s) for s in txt.split() if s.isdigit()]
[23, 11, 2]
我认为这比正则表达式示例更好，因为您不需要另一个模块，而且它更具可读性，因为您不需要解析（和学习）regex mini-language。
这将无法识别浮点数、负整数或十六进制格式的整数。如果您不能接受这些限制，jmnas's answer below 可以解决问题。
【讨论】：
这对于像“h3110 23 cat 444.4 rabbit 11-2 dog”这样的情况会失败 规范案例使用re。它是一个通用且强大的工具（因此您会学到一些非常有用的东西）。速度在日志解析中有些无关紧要（毕竟它不是一些密集的数值求解器），re 模块在标准 Python 库中，加载它并没有什么坏处。
我有像mumblejumble45mumblejumble 这样的字符串，我知道其中只有一个数字。解决方案就是int(filter(str.isdigit, your_string))。
一个小注释：您定义变量str，然后覆盖基础python 中的str 对象和方法。这不是一个好的做法，因为您可能在脚本的后面需要它。
int(filter(...)) 将为 Python 3.5 引发 TypeError: int() argument must be a string...，因此您可以使用更新版本：int(''.join(filter(str.isdigit, your_string))) 将所有数字提取为一个整数。【参考方案2】：
我会使用正则表达式：
>>> import re
>>> re.findall(r'\d+', 'hello 42 I\'m a 32 string 30')
['42', '32', '30']
这也将匹配来自 bla42bla 的 42。如果您只想要由单词边界（空格、句点、逗号）分隔的数字，您可以使用 \b ：
>>> re.findall(r'\b\d+\b', 'he33llo 42 I\'m a 32 string 30')
['42', '32', '30']
以数字列表而不是字符串列表结束：
>>> [int(s) for s in re.findall(r'\b\d+\b', 'he33llo 42 I\'m a 32 string 30')]
[42, 32, 30]
【讨论】：
... 然后将int 映射到它上面，你就完成了。 +1，尤其是后半部分。不过，我建议使用原始字符串 (r'\b\d+\b' == '\\b\\d+\\b')。
可以用生成器放入列表中，如：int_list = [int(s) for s in re.findall('\\d+', 'hello 12 hi 89')]
@GreenMatt：从技术上讲，这是一个列表推导（不是生成器），但我同意推导/生成器比 map 更 Pythonic。
@Seth Johnson：糟糕！你是对的，我打错了显然是一种模糊的心态。 :-( 谢谢指正！
我有一个问题。如果我想在“hello1.45 hi”中提取浮点数，比如 1.45，该怎么办。它会给我 1 和 45 作为两个不同的数字【参考方案3】：
这有点晚了，但您也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)
万事如意！
另外，你可以看看AWS Glue built-in regex
【讨论】：
因为这是任何人都喜欢的唯一答案，这里是如何使用科学记数法 "[-+]?\d+[\.]?\d*[Ee]?\d*" .或者一些变化。玩得开心！ 发现最简单的情况存在问题，例如s = "4" 没有返回匹配项。可以重新编辑以解决这个问题吗？
不错，但它不处理逗号（例如 74,600）
一个更详细的组是[+-]?\d*[\.]?\d*(?:(?:[eE])[+-]?\d+)? 这个组确实给出了一些误报（即+ 有时会被自己捕获），但能够处理更多的表单，比如.001，加上它不会自动组合数字（如s=2+1）
啊，是的，显而易见的[-+]?[.]?[\d]+(?:,\d\d\d)*[\.]?\d*(?:[eE][-+]?\d+)? - 我太傻了……我怎么会没想到呢？【参考方案4】：
我假设你想要浮点数而不仅仅是整数，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
【讨论】：
这会找到正负浮点数和整数。对于正整数和负整数，将float 更改为int。
负数：re.findall("[-\d]+", "1 -2")
如果我们在循环中写continue而不是pass会有什么不同吗？
这不仅捕获正整数，而且使用 split() 会丢失在第一个数字之前没有空格的货币符号的数字，这在财务文档中很常见
不适用于与其他字符没有空格的浮点数，例如：'4.5 k things' 会起作用，'4.5k things' 不会。【参考方案5】：
如果你知道字符串中只有一个数字，即'hello 12 hi'，你可以试试filter。
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
但是要小心！！！ ：
In [4]: int(''.join(filter(str.isdigit, '200 grams 5')))
Out[4]: 2005
【讨论】：
在 Python 3.6.3 中我得到了TypeError: int() argument must be a string, a bytes-like object or a number, not 'filter' - 使用 int("".join(filter(str.isdigit, '200 grams'))) 修复它
这是一个很好的方法，但在我们有浮点数的情况下它不起作用。像6.00 它给出了六百个答案600【参考方案6】：
我正在寻找一种解决方案来删除字符串的掩码，特别是从巴西电话号码中，这个帖子没有回答但启发了我。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'
【讨论】：
漂亮而简单，并且可以说比同样正确但不太知名的filter()函数技术更具可读性：''.join(filter(str.isdigit, phone_number))
不错，但不需要转换为列表。可以稍微改进为''.join(n for n in phone_number if n.isdigit())。【参考方案7】：
# extract numbers from garbage string:
s = '12//n,_@#$%3.14kjlw0xdadfackvj1.6e-19&*ghn334'
newstr = ''.join((ch if ch in '0123456789.-e' else ' ') for ch in s)
listOfNumbers = [float(i) for i in newstr.split()]
print(listOfNumbers)
[12.0, 3.14, 0.0, 1.6e-19, 334.0]
【讨论】：
欢迎来到 SO 并感谢您发布答案。在您的答案中添加一些额外的 cmets 以及为什么它可以解决问题，而不只是发布代码 sn-p，这始终是一种好习惯。 在我的情况下不起作用。和上面的答案差别不大 ValueError: could not convert string to float: 'e' and it doesn't work in some cases :(【参考方案8】：要捕获不同的模式，使用不同的模式进行查询会很有帮助。
设置所有捕获不同数量感兴趣模式的模式：
（找到逗号）12,300 或 12,300.00
'[\d]+[.,\d]+'
（找到浮点数）0.123 或 .123
'[\d]*[.][\d]+'
（查找整数）123
'[\d]+'
将管道 (|) 组合成一个带有多个或条件的模式。
（注意：将复杂模式放在首位，否则简单模式将返回复杂捕获的块，而不是返回完整捕获的复杂捕获）。
p = '[\d]+[.,\d]+|[\d]*[.][\d]+|[\d]+'
下面，我们将使用re.search() 确认一个模式，然后返回一个可迭代的捕获列表。最后，我们将使用括号表示法打印每个捕获，以从匹配对象中选择匹配对象返回值。
s = 'he33llo 42 I\'m a 32 string 30 444.4 12,001'
if re.search(p, s) is not None:
for catch in re.finditer(p, s):
print(catch[0]) # catch is a match object
返回：
33
42
32
30
444.4
12,001
【讨论】：
这也将接受以点结尾的数字，例如“30”。你需要这样的东西： "[\d]+[\,\d]*[\.]0,1[\d]+"【参考方案9】：使用下面的正则表达式是一种方式
lines = "hello 12 hi 89"
import re
output = []
#repl_str = re.compile('\d+.?\d*')
repl_str = re.compile('^\d+$')
#t = r'\d+.?\d*'
line = lines.split()
for word in line:
match = re.search(repl_str, word)
if match:
output.append(float(match.group()))
print (output)
与 findall
re.findall(r'\d+', "hello 12 hi 89")
['12', '89']
re.findall(r'\b\d+\b', "hello 12 hi 89 33F AC 777")
['12', '89', '777']
【讨论】：
如果你不使用findall()，你至少应该编译正则表达式
repl_str = re.compile('\d+.?\d*') 应该是：repl_str = re.compile('\d+\.?\d*') 对于使用 python3.7 的可重现示例 re.search(re.compile(r'\d+.?\d*'), "42G").group() '42G' re.search(re.compile(r'\d+\.?\d*'), "42G").group() '42'【参考方案10】：
对于电话号码，您可以简单地在正则表达式中使用\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)
r"\D" 中的r 代表原始字符串。有必要。没有它，Python 会将\D 视为转义字符。
【讨论】：
【参考方案11】：line2 = "hello 12 hi 89" # this is the given string
temp1 = re.findall(r'\d+', line2) # find number of digits through regular expression
res2 = list(map(int, temp1))
print(res2)
你好，
你可以使用findall表达式通过数字搜索字符串中的所有整数。
在第二步中创建一个列表 res2 并将在字符串中找到的数字添加到此列表中
希望对你有帮助
问候， 迪瓦卡夏尔马
【讨论】：
所提供的答案被标记为低质量帖子以供审核。以下是How do I write a good answer? 的一些指南。提供的这个答案可能是正确的，但它可以从解释中受益。仅代码答案不被视为“好”答案。来自review。【参考方案12】：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)
【讨论】：
【参考方案13】：我只是添加这个答案，因为没有人使用异常处理添加一个，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]
【讨论】：
【参考方案14】：我很惊讶地发现，还没有人提到使用itertools.groupby 作为实现这一目标的替代方法。
您可以使用itertools.groupby() 和str.isdigit() 来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 持有的值将是：
[12, 89]
PS：这只是为了说明，作为替代方案，我们也可以使用groupby 来实现这一点。但这不是推荐的解决方案。如果你想实现这一点，你应该使用accepted answer of fmark，基于使用str.isdigit作为过滤器的列表理解。
【讨论】：
【参考方案15】：我发现的最干净的方式：
>>> data = 'hs122 125 &55,58, 25'
>>> new_data = ''.join((ch if ch in '0123456789.-e' else ' ') for ch in data)
>>> numbers = [i for i in new_data.split()]
>>> print(numbers)
['122', '125', '55', '58', '25']
或者这个：
>>> import re
>>> data = 'hs122 125 &55,58, 25'
>>> numbers = re.findall(r'\d+', data)
>>> print(numbers)
['122', '125', '55', '58', '25']
【讨论】：
【参考方案16】：@jmnas，我喜欢你的回答，但它没有找到浮动。我正在编写一个脚本来解析进入 CNC 铣床的代码，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。这会找到 int, float 正负值。仍然找不到十六进制格式的值，但您可以将“x”和“A”通过“F”添加到 num_char 元组，我认为它会解析“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)
【讨论】：
【参考方案17】：由于这些都没有处理我需要查找的 excel 和 word 文档中的真实世界财务数字，因此这是我的变体。它处理整数、浮点数、负数、货币数字（因为它不回复拆分），并且可以选择删除小数部分并只返回整数，或者返回所有内容。
它还处理印度拉克数系统，其中逗号不规则出现，而不是每隔 3 个数字分开。
它不处理科学记数法或预算中括号内的负数 - 将显示为正数。
它也不提取日期。在字符串中查找日期有更好的方法。
import re
def find_numbers(string, ints=True):
numexp = re.compile(r'[-]?\d[\d,]*[\.]?[\d2]*') #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
【讨论】：
【参考方案18】：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字符。
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)
【讨论】：
以上是关于如何从 Python 中的字符串中提取数字？的主要内容，如果未能解决你的问题，请参考以下文章