Python 从字符串中提取定量信息

我正在分析开放式食品事实数据集。 数据集非常混乱，有一个名为“quantity”的列，其中包含如下条目：

‘100克’，
“5盎司（142克）”，
‘12盎司’，
'200克'，
“12盎司（340克）”，
“10盎司（296毫升）”，
‘750毫升’，
“1 l”，
“250毫升”， ‘8盎司’，
“10.5盎司（750克）”，
“1加仑（3.78升）”，
‘27盎司（1磅11盎司）765g’，
“75 cl”

正如你所看到的，测量值和单位到处都是！有时，数量是以两种不同的测量方式给出的。。。 我的目标是在pandas数据框中创建一个新的列“quantity\u in_g”，从字符串中提取信息，并根据“quantity”列中的克数创建一个整数值。 因此，如果数量列有'200g'，我想要整数200，如果它说'1kg'，我想要整数1000。我还想把其他度量单位转换成克。对于“2盎司”，我想要整数56，对于1升，我想要1000。
有人能帮我转换一下这个专栏吗？ 我会非常感激的
提前感谢

原始数据=['100克'、'5盎司（142克）'、'12盎司'、'200克'、'12盎司（340克）'、'10 f盎司（296ml）'、'750毫升'、'1升'、'250毫升'、'8盎司'，]
raw_data_lst = ['100 g ','5 oz (142 g)','12 oz','200 g ','12 oz (340 g)','10 f oz (296ml)','750 ml','1 l','250 ml', '8 OZ',] 
# 10 f oz (296ml)  don't know what f is
# if more there is more data like this then gram_conv_dict.keys() loop over this instead of directly ... doing what i have done below

in_grams_colm = []
gram_conv_dict ={
    'g':1,
    'oz': 28.3495,
    'kg':1000,
    'l': 1000 # assuming 1 litre of water --> grams
    }
# ml --> g is tricky as density varies

def convert2num(string_num):
    try:
        return int(string_num)
    except ValueError:
        return float(string_num)

def get_in_grams(unit):
    try:
        return gram_conv_dict[unit.lower()]
    except:
        print('don\'t know how much grams is present in 1',unit+'.')

    return 1


for data in raw_data_lst:
    i = 0
    quantity_str =''
    quantity_num = 0
    while i < len(data):
        if  47 < ord(data[i]) < 58 or data[i] == '.':
            quantity_str+= data[i]
        else:
            # data[i] = '' most abbrv has at most length = 2 therefore data[i+1:i+3] or u can just send the whole data[i+1:]
            # gram_conv_dict[data[i+1:i+3].strip()] directly check if key exist
            break

        i+=1

    quantity_num = convert2num(quantity_str)*get_in_grams(data[i+1:i+3].strip()) # assuming each data has this format numberspace-- len 2 abbrv
    in_grams_colm.append(quantity_num) # if u want only integer int(quantity_num)

#print(in_grams_colm)

def nice_print():
    for _ in in_grams_colm:
        print('{:.2f}'.format(_))

nice_print()
'''
output

don't know how much grams is present in 1 f.
don't know how much grams is present in 1 ml.
don't know how much grams is present in 1 ml.
100.00
141.75
340.19
200.00
340.19
10.00
750.00
1000.00
250.00
226.80'''

#10盎司（296毫升）不知道f是什么
#如果有更多像这样的数据，那么gram_conv_dict.keys（）将在此循环，而不是直接。。。做我下面所做的
单位：克
革兰氏对照={
“g”：1，
“盎司”：28.3495，
“千克”：1000，
“l”：1000#假设1升水-->克
}
#ml-->g随着密度的变化而变化
def convert2num（字符串数量）：
尝试：
return int（string_num）
除值错误外：
返回浮点（字符串数量）
def获取单位：克（单位）：
尝试：
返回gram_conv_dict[unit.lower（）]
除：
打印（'不知道1'中有多少克，单位为+'。）
返回1
对于原始数据中的数据：
i=0
数量_str=''
数量=0
而i

您还没有问过这个问题吗？没有，我的最后一个问题是如何从字符串中提取第一个整数。您能否提供所需的输出？您可以使用

re

（regex）模块提取每行中的零件。我不熟悉正则表达式，但我认为它可能类似于

r.*（\d{0,4}g）。*”

。有人可以修改这个吗？你可以在循环中使用

enumerate

：对于I，枚举中的数据（原始数据列表）：@mooglinux是的，谢谢：）@mooglinux，但我使用I从数据而不是原始数据列表中获取索引I处的字符串（字符）。