Как извлечь числа из строки в Python?

Я бы извлек все числа, содержащиеся в строке. Что лучше подходит для цели, регулярных выражений или isdigit()метода?

Пример:

line = "hello 12 hi 89"

Результат:

[12, 89]

Если вы хотите извлечь только положительные целые числа, попробуйте следующее:

>>> str = "h3110 23 cat 444.4 rabbit 11 2 dog"
>>> [int(s) for s in str.split() if s.isdigit()]
[23, 11, 2]

Я бы сказал, что это лучше, чем пример регулярных выражений по трем причинам. Во-первых, вам не нужен другой модуль; во-вторых, он более читабелен, потому что вам не нужно разбирать мини-язык регулярных выражений; и в-третьих, это быстрее (и, следовательно, скорее более питон):

python -m timeit -s "str = 'h3110 23 cat 444.4 rabbit 11 2 dog' * 1000" "[s for s in str.split() if s.isdigit()]"
100 loops, best of 3: 2.84 msec per loop

python -m timeit -s "import re" "str = 'h3110 23 cat 444.4 rabbit 11 2 dog' * 1000" "re.findall('\\b\\d+\\b', str)"
100 loops, best of 3: 5.66 msec per loop

Это не будет распознавать числа с плавающей запятой, отрицательные целые числа или целые числа в шестнадцатеричном формате. Если вы не можете принять эти ограничения, ответ Слима ниже поможет.

Я бы использовал регулярное выражение:

>>> import re
>>> re.findall(r'\d+', 'hello 42 I\'m a 32 string 30')
['42', '32', '30']

Это также будет соответствовать 42 от bla42bla. Если вам нужны только числа, разделенные границами слов (пробел, точка, запятая), вы можете использовать \ b:

>>> re.findall(r'\b\d+\b', 'he33llo 42 I\'m a 32 string 30')
['42', '32', '30']

Чтобы получить список чисел вместо списка строк:

>>> [int(s) for s in re.findall(r'\b\d+\b', 'he33llo 42 I\'m a 32 string 30')]
[42, 32, 30]

Это более чем поздно, но вы можете расширить выражение регулярного выражения, чтобы учесть и научную нотацию.

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)

Дает все хорошо!

Кроме того, вы можете посмотреть на регулярное выражение AWS Glue

Я предполагаю, что вы хотите, чтобы числа с плавающей точкой не просто целые числа, поэтому я бы сделал что-то вроде этого:

l = []
for t in s.split():
    try:
        l.append(float(t))
    except ValueError:
        pass

Обратите внимание, что некоторые другие решения, опубликованные здесь, не работают с отрицательными числами:

>>> re.findall(r'\b\d+\b', 'he33llo 42 I\'m a 32 string -30')
['42', '32', '30']

>>> '-3'.isdigit()
False

Если вы знаете, что в строке будет только одно число, то есть «привет 12 привет», вы можете попробовать фильтр.

Например:

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

Но будь осторожен !!! :

In [4]: int(''.join(filter(str.isdigit, '200 grams 5')))
Out[4]: 2005

# 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]

Я искал решение для удаления масок строк, особенно с бразильских номеров телефонов, этот пост не ответил, но вдохновил меня. Это мое решение:

>>> phone_number = '+55(11)8715-9877'
>>> ''.join([n for n in phone_number if n.isdigit()])
'551187159877'

Использование Regex ниже - это способ

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)

с поиском 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']

line2 = "hello 12 hi 89"
temp1 = re.findall(r'\d+', line2) # through regular expression
res2 = list(map(int, temp1))
print(res2)

Привет ,

Вы можете искать все целые числа в строке через цифру, используя выражение findall.

На втором шаге создайте список res2 и добавьте найденные в строке цифры в этот список.

надеюсь это поможет

С уважением, Дивакар Шарма

Этот ответ также содержит случай, когда число находится в строке

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)

Я поражен, увидев, что никто еще не упомянул об использовании itertools.groupbyв качестве альтернативы для достижения этой цели.

Вы можете использовать itertools.groupby()наряду с str.isdigit()тем, чтобы извлечь числа из строки как:

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]

Значение удержания lбудет:

[12, 89]

PS: Это просто для иллюстрации, чтобы показать, что в качестве альтернативы мы могли бы также использовать groupbyдля достижения этой цели. Но это не рекомендуемое решение. Если вы хотите добиться этого, вы должны использовать принятый ответ fmark, основанный на использовании понимания списка с использованием str.isdigitфильтра.

Я просто добавляю этот ответ, потому что никто не добавил один, использующий обработку исключений, и потому что это также работает с плавающей точкой

a = []
line = "abcd 1234 efgh 56.78 ij"
for word in line.split():
    try:
        a.append(float(word))
    except ValueError:
        pass
print(a)

Вывод :

[1234.0, 56.78]

Чтобы поймать разные шаблоны, полезно запрашивать разные шаблоны.

Настройте все шаблоны, которые улавливают различные числовые шаблоны:

(находит запятые) 12 300 или 12 300,00

'[\ D] + [., \ Д] +'

(находит поплавки) 0,123 или 0,123

'[\ D] * [.] [\ D] +'

(находит целые числа) 123

'[\ D] +'

Объединить с трубой (|) в один шаблон с несколькими или условными .

(Примечание: сначала разместите сложные шаблоны, иначе простые шаблоны будут возвращать фрагменты сложного улова вместо сложного улова, возвращающего полный улов).

p = '[\d]+[.,\d]+|[\d]*[.][\d]+|[\d]+'

Ниже мы подтвердим наличие шаблона с re.search(), а затем вернем итеративный список уловов. Наконец, мы распечатаем каждый улов, используя скобочные обозначения, чтобы отобрать возвращаемое значение объекта сопоставления из объекта сопоставления.

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

Возвращает:

33
42
32
30
444.4
12,001

Поскольку ни один из них не касался реальных финансовых показателей в Excel и документах Word, которые мне нужно было найти, вот мой вариант. Он обрабатывает целые числа, числа с плавающей запятой, отрицательные числа, номера валют (потому что он не отвечает при разделении), и имеет возможность удалить десятичную часть и просто вернуть целые числа или вернуть все.

Он также обрабатывает систему счисления индейцев лаков, где запятые появляются нерегулярно, а не через каждые 3 числа.

Он не обрабатывает научные обозначения или отрицательные числа, заключенные в круглые скобки в бюджетах - будет казаться положительным.

Это также не извлекает даты. Есть лучшие способы поиска дат в строках.

import re
def find_numbers(string, ints=True):            
    numexp = re.compile(r'[-]?\d[\d,]*[\.]?[\d{2}]*') #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

@jmnas, мне понравился твой ответ, но он не нашел поплавков. Я работаю над сценарием для анализа кода, идущего на станки с ЧПУ, и мне нужно было найти измерения X и Y, которые могут быть целыми или плавающими, поэтому я адаптировал ваш код к следующему. Это находит int, float с положительными и отрицательными значениями. Все еще не находит значения в шестнадцатеричном формате, но вы можете добавить «x» и «A» к «F» в num_charкортеж, и я думаю, что он будет анализировать такие вещи, как «0x23AC».

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)

Лучший вариант, который я нашел ниже. Он извлечет число и может устранить любой тип символа.

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)    

Для телефонных номеров вы можете просто исключить все нецифровые символы с \ D в регулярном выражении:

import re

phone_number = '(619) 459-3635'
phone_number = re.sub(r"\D", "", phone_number)
print(phone_number)