Python提取可量化文本（数字）

您好，我想使用python并提取文本，该文本可以是数字值，也可以是拼写出来的数字加上查找到的值前后的第一个单词

示例文本：

我有两个兄弟，他们每人买了一辆车。我的老大 哥哥投资了1000美元

预期产出：

“有两个兄弟”，“买了一辆车”，“投资了1000美元”

我试过这个>

>>> import re
>>> str = "I have 2 brothers and they bought one car each. My oldest brother invested 1,000 dollars."
>>> print re.findall("\d+", s)
['2']

---

但是，这只适用于查找一个值，而不是指定的术语

one

。我也不知道在找到单词之前和之后使用什么来获取单词。

这个又快又脏的正则表达式：

pat = re.compile(r'(\w+\s+)([\d,]+|one|two|three|four|five|six|seven|eight|nine)(\s+\w+)')

---

是否产生您想要的输出。当然，它只能找到用英语拼写的一位数数字。对于任意数字，您需要使用适当的解析器。但它可能足以满足您的需要。

假设数字的文本形式仅为1到10

import re

text = 'I have 2 brothers and they bought one car each. My oldest brother invested 1,000 dollars.'
text_numbers = []
numbers = re.findall(r'[0-9,\-]+|one|two|three|four|five|six|seven|eight|nine|ten', text)
for number in numbers:
    parts = text.split(number)
    first_part = parts[0].strip().split(' ')[-1]
    second_part = parts[1].strip().split(' ')[0]
    print('{} {} {}'.format(first_part, number, second_part))

---

对于数值，regex

\w+\b\s\b\d+（？：，\d+*\b\s\w+

将起作用。您需要为“数值”的含义写下一系列规则，因为

1000

中有一个非数字字符，但这是否意味着您想接受，比如说，

1,2,3,4

作为数值？同样，您需要为“数字拼写”的含义编写规则。例如，

四十二

和

四十二

这两个数字都拼写出来了吗<代码>251？一旦这样做，您就可以将其转换为正则表达式，但它可能会非常复杂和难看。@Matt.G使用

\w

和

\d+（？：，\d+）*

似乎。@abarnert，感谢您发现错误。更新的regex

[A-Za-z]+\b\s\b\d{1,3}（？：，\d{3}）*\b\s[A-Za-z]+

将起作用。谢谢您，这是我需要的确切用例。我稍微修改了一下。你知道如何添加以查找“98%”，数字后面跟一个%符号吗？你可以只在正则表达式第二个括号的开头添加

\d+%|

。既然你已经在正则表达式中分别定义了这三个部分，而且你可以只使用三个

（组）

，为什么还要使用

str.split

？@abarnert你说得对。frapadingue的解决方案正是如此。