使用正則表達式提取所有數字和文字編號

Question

我想從文本中提取所有字符串和數字編號。

text = 'one tweo three 10 number' 
numbers = "(^a(?=\s)|one|two|three|four|five|six|seven|eight|nine|ten| \ 
      eleven|twelve|thirteen|fourteen|fifteen|sixteen|seventeen| \ 
      eighteen|nineteen|twenty|thirty|forty|fifty|sixty|seventy|eighty| \ 
      ninety|hundred|thousand)" 

print re.search(numbers, text).group(0) 

這給了我第一個字的數字。

我預期的結果= [「一」，「二」，「三」，「10」]

我怎麼可以修改它，使所有文字和好位數字我可以在列表中得到什麼？

Answer 1

這裏有幾個問題：

• 模式應與詳細標誌使用（在開始添加(?x)）
• 的nine將在ninety匹配nine，所以您應該把更長值首先或使用字邊界\b
• 聲明與原始字符串文字模式，以避免像解析\b作爲退格而不是字邊界
• 要匹配數字，你可以添加一個|\d+分支到你的電話號碼匹配組
• 匹配輸入字符串中的子串的多個非重疊發生，你需要使用re.findall（或re.finditer），不re.search。

這裏是我的建議：

import re 
text = 'one two three 10 number eleven eighteen ninety \n ' 
numbers = r"""(?x)   # Turn on free spacing mode 
      (
       ^a(?=\s)|  # Here we match a at the start of string before whitespace 
       \d+|   # HERE we match one or more digits 
       \b   # Initial word boundary 
       (?: 
        one|two|three|four|five|six|seven|eight|nine|ten| 
        eleven|twelve|thirteen|fourteen|fifteen|sixteen|seventeen| 
        eighteen|nineteen|twenty|thirty|forty|fifty|sixty|seventy|eighty| 
        ninety|hundred|thousand 
      )    # A list of alternatives 
       \b   # Trailing word boundary 
)""" 

print(re.findall(numbers, text)) 

見Python demo

這裏是一個regex demo。

Answer 2

那麼re.findall和[0-9] +的添加對你的清單很好。不幸的是，如果你嘗試匹配像seventythree你會得到 - >七三，所以你需要的東西比這更好的下方:-)

numbers = "(^a(?=\s)|one|two|three|four|five|six|seven|eight|nine|ten| \ 
      eleven|twelve|thirteen|fourteen|fifteen|sixteen|seventeen| \ 
      eighteen|nineteen|twenty|thirty|forty|fifty|sixty|seventy|eighty| \ 
      ninety|hundred|thousand|[0-9]+)" 

x = re.findall(numbers, text)