如何在Python中从字符串中提取数字?

我将使用regexp:

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

这也将匹配bla42bla中的42。如果你只想用单词边界(空格，句号，逗号)分隔数字，你可以使用\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]

我假设你想要浮点数，而不仅仅是整数，所以我会这样做:

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

请注意，这里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

如果你只想提取正整数，试试下面的方法:

>>> 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的例子更好，因为你不需要另一个模块，它更可读，因为你不需要解析(和学习)regex迷你语言。

这将不识别浮点数、负整数或十六进制格式的整数。如果您不能接受这些限制，那么下面是Jmnas的答案就可以了。

@jmnas，我喜欢你的答案，但它没有找到浮动。我正在编写一个脚本来解析前往CNC铣床的代码，需要找到可以是整数或浮点数的X和Y维度，所以我将您的代码改编为以下内容。这就找到了int, float值为正和负。仍然没有找到十六进制格式的值，但你可以添加“x”和“A”通过“F”到num_char元组，我认为它会解析像“0x23AC”这样的东西。

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)

这有点晚了，但是您也可以扩展正则表达式来考虑科学符号。

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)

给予一切美好!

此外，您可以查看AWS胶水内置正则表达式

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)

此答案还包含数字在字符串中为浮点数的情况

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)

如果您知道字符串中只有一个数字，即'hello 12 hi'，您可以尝试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

我很惊讶地看到，还没有人提到使用<强> # EYZ0 < / >强作为实现这一目标的替代方案。

你可以使用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]

由l保持的值将是:

[12, 89]

这只是为了说明，作为替代，我们也可以使用groupby来实现这一点。但这不是一个推荐的解决方案。如果你想实现这一点，你应该使用接受fmark的回答基于使用列表理解和str.isdigit作为过滤器

因为这些都不是我需要找到的excel和word文档中处理真实世界的财务数据，这里是我的变体。它处理整数、浮点数、负数、货币数(因为它在分割时不回复)，并且可以选择删除小数部分而只返回整数，或者返回所有内容。

它还处理印度湖的数字系统，其中逗号出现不规则，而不是每3个数字分开。

它不处理科学符号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,]*[\.]?[\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

# 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]

我一直在寻找一个解决方案来去除字符串的面具，特别是从巴西的电话号码，这篇文章没有回答，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'

使用下面的正则表达式是一种方法

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)

['12', '89']

# EYZ0

['12', '89', '777']

我只是添加这个答案，因为没有人添加一个使用异常处理，因为这也适用于浮动

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]

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)

可以使用findall表达式通过digit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string中找到的数字添加到该列表中。

为了捕捉不同的模式，使用不同的模式进行查询是有帮助的。

设置所有捕获感兴趣的不同数字模式的模式:

(找到逗号)12,300或12,300.00

(\ d) + (\ d。)+ '

(找到浮动)0.123或。123

(\ d] * [] (\ d) + '

(找到整数)123

“[\ d] +”

与管道(|)结合成一个有多个或条件的图案。

(注意:先放复杂的模式，否则简单的模式将返回复杂捕获的块，而不是复杂捕获返回完整的捕获)。

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

下面，我们将用re.search()确认一个模式，然后返回一个可迭代的捕获列表。最后，我们将使用括号符号打印每个catch，以从匹配对象中选择匹配对象的返回值。

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

对于电话号码，你可以在regex中简单地排除所有非数字字符\D:

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。这是必要的。如果没有它，Python将把\D视为转义字符。

我发现的最干净的方法是:

>>> 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:

>>> import re
>>> data = 'hs122 125 &55,58, 25'
>>> numbers = re.findall(r'\d+', data)
>>> print(numbers)
['122', '125', '55', '58', '25']

str1 = "There are 2 apples for 4 persons"


# printing original string
print("The original string : " + str1) # The original string : There are 2 apples for 4 persons


# using List comprehension + isdigit() +split()
# getting numbers from string
res = [int(i) for i in str1.split() if i.isdigit()]


print("The numbers list is : " + str(res)) # The numbers list is : [2, 4]