如何從字符串中提取特定數據（不包含任何模式）？

Question

如何使用Python 3.4從以下字符串中的數據中提取數字，例如117，0.049，207？

particulate 117㎍/㎥bad(81~150),ozone 0.049ppmaverage(0.041~0.080),overall air quality 207bad(151~250) 

Answer 1

解析非結構化文本是凌亂：您可以立竿見影使用正則表達式如下所示：

input='particulate 117㎍/㎥bad(81~150),ozone 0.049ppmaverage(0.041~0.080),overall air quality 207bad(151~250)' 

import re 
input=re.sub(r'\(.*?\)','',input) 
results=re.findall(r'[\d.]+',input) 

print(results) # this prints ['117', '0.049', '207'] 

...但對於總是得到你想要是很困難的結果。

讓我們來討論解決方案一步一步...

首先，輸入包含數字括號裏面 - 你不希望他們。所以，我們首先需要使用正則表達式替換刪除括號：

input=re.sub(r'\(.*?\)','',input) 
# now input is: 
# particulate 117㎍/㎥bad,ozone 0.049ppmaverage,overall air quality 207bad 

這種替代搜索開始用左括號「（」和一個右括號結束「）」子串並替換它們一個空的字符串。在寫這個表達式時，我們需要考慮幾個細節：

• 括號在正則表達式中有特殊含義。要在輸入中引用實際括號，我們需要在模式中將它們轉義並寫入'（'而不是'（'）
• 通常，模式r'（。*）'將採用第一個開頭括號和所有文本到貪婪。我們在星號後添加問號以使表達式不貪婪。*但是，如果輸入中的括號不匹配，則您可能得到錯誤的結果。

至於第二步，我們想從剩餘的輸入挑選出的數字。您的號碼可能包含小數點，所以我們需要讓這個問題，以及在正則表達式，但匹配的號碼精確地使用正則表達式很棘手。下面是有效的數字（對於s有效青梅定義），我們的解決方案不拾：

-1.32 1.04e4 -3.14e-23 

這裏是一個字符串，我們的模式爲數字拿起---但你可能不希望他們：

10.24.12.123 

所有這可以被固定 - 但是模式會更復雜。而且你必須準確地決定你想要得到什麼以及你不想得到什麼。

這裏是鏈接到Python regular expression documentation。