如何在Python中从字符串中提取数字？

我将提取字符串中包含的所有数字。正则表达式和

isdigit（）

方法哪个更适合这个目的

例如：

line = "hello 12 hi 89"

结果:

[12, 89]

我会使用regexp：

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

这也将与

bla42bla

中的42匹配。如果只希望数字由单词边界（空格、句点、逗号）分隔，可以使用\b:

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

要以数字列表而不是字符串列表结束，请执行以下操作：

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

---

我假设你想要的不仅仅是整数，而是浮点数，所以我会这样做：

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

请注意，此处发布的一些其他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regex示例更好，因为您不需要另一个模块，而且它更可读，因为您不需要解析（和学习）这个模块

---

这将无法识别浮点数、负整数或十六进制格式的整数。如果你不能接受这些限制，我会做的。

@jmnas，我喜欢你的答案，但没有找到浮动。我正在编写一个脚本来解析要去CNC工厂的代码，需要找到可以是整数或浮点数的X和Y维度，因此我将您的代码改编为以下内容。这将查找int、float和正负VAL。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\u char

元组中，我认为它将解析类似“0x23AC”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)

---

这已经有点晚了，但是您也可以扩展正则表达式来解释科学符号

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)

重新导入
#格式为[（，），…]
ss=[（“苹果-12.34 ba33na fanc-14.23e-2yapple+45e5+67.56E+3”，
[12.34'，33'，14.23e-2'，+45e5'，+67.56E+3']，
（“你好X42我是Y-32.35字符串Z30”，
['42', '-32.35', '30']),
（'he33llo 42 I'm a 32 string-30'，
['33', '42', '32', '-30']),
（‘h3110 23猫444.4兔11 2狗’，
['3110', '23', '444.4', '11', '2']),
（“你好12嗨89”，
['12', '89']),
('4', 
['4']),
（‘我喜欢74600个逗号，而不是500’，
['74,600', '500']),
（‘我喜欢糟糕的数学1+2=.001’，
['1', '+2', '.001'])]
对于ss中的s，r：
rr=re.findall（“[-+]？[.]？[\d]+（？：，\d\d）*[\.]？\d*（？：[eE][-+]？\d+”，s）
如果rr==r：
打印（“好”）
其他：
打印（'error'，rr'，should be'，r）

一切都好

---

此外，您可以查看

下面是我找到的最佳选项。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)    

---

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)

---

如果您知道字符串中只有一个数字，即

'hello 12 hi'

，您可以尝试

筛选

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，还没有人提到使用的作为替代来实现这一点

您可以使用随从字符串中提取数字，如下所示：

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
持有的值将为：

[12, 89]

PS:这只是为了说明，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。如果您想实现这一点，您应该使用基于列表理解的方法，并将str.isdigit作为过滤器。
由于这些方法都没有处理我需要查找的excel和word文档中的真实财务数字，因此下面是我的变体。它处理整数、浮点数、负数、货币数（因为它不会在拆分时回复），并且可以选择删除小数部分，只返回整数，或者返回所有内容

它还处理印度Laks数字系统，其中逗号不规则出现，而不是每隔3个数字出现一次

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。有更好的方法可以在字符串中查找日期

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

我一直在寻找一种方法来去除字符串的掩码，特别是从巴西的电话号码中，这篇帖子没有得到回复，但给了我灵感。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就是一种方法

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)

和芬德尔
re.findall（r'\d+，“你好，12点89”）

re.findall（r'\b\d+\b'，“hello 12 hi 89 33F AC 777”）

我只是添加了这个答案，因为没有人使用异常处理添加了一个，而且这也适用于浮动

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]

嗨

您可以使用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，并将字符串中的数字添加到此列表中

希望这有帮助

问候,，
Diwakar Sharma
要捕获不同的模式，使用不同的模式进行查询很有帮助

设置捕获不同数量感兴趣模式的所有模式：
（查找逗号）12300或12300.00
“[\d]+[，\d]+”

（查找浮动）0.123或.123
'[\d]*[.][\d]+'

（查找整数）123
“[\d]+”

与管道（|）组合成一个具有多个或多个条件的模式。
（注意：首先放置复杂模式，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）

下面，我们将用
re.search（）
确认存在一个模式，然后返回一个可编辑的捕获列表。最后，我们将使用括号表示法打印每个catch，以从match对象中再选择match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

对于电话号码，您可以简单地排除正则表达式中带有
\D
的所有非数字字符：

重新导入
电话号码=“（619）459-3635”
电话号码=re.sub（r“\D”，“电话号码”）
打印（电话号码）

r“\D”
中的
r
代表原始字符串。这是必要的。如果没有它，Python将考虑<代码> \d>代码>作为ESC。
[1234.0, 56.78]

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

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

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

33
42
32
30
444.4
12,001