使用re模块结合正则表达式可精确提取文本中的整数、浮点数、负数及带符号或单位的数字，通过r'[-+]?d+(?:.d+)?’等模式匹配，并用findall或search配合捕获组提取所需部分，再转换为数值类型进行处理。
在Python里，要从文本中抓取数字，最直接、也最灵活的工具就是
re
模块，也就是正则表达式。它能帮你根据预设的模式，把字符串里所有符合条件的数字都找出来。这比你手动去遍历字符串、判断每个字符是不是数字要高效和优雅得多，尤其是在处理复杂文本时。
解决方案
使用Python的
re
模块提取数字，通常我们会用到
re.findall()
函数。这个函数会返回一个列表，包含所有匹配到的非重叠字符串。
最基础的数字模式是
d+
，它能匹配一个或多个数字字符（0-9）。但实际情况往往更复杂，数字可能包含小数点、正负号，或者混杂在其他文本中。
import retext1 = "我有100个苹果和20.5公斤的香蕉，还有-5个坏梨。"text2 = "订单号是123456789，总价为999.99元。"text3 = "我的身高是175cm，体重是68.3kg。"# 1. 提取整数# 模式：d+ 匹配一个或多个数字integers = re.findall(r'd+', text1)print(f"提取整数 (text1): {integers}") # ['100', '20', '5'] - 注意这里会把20.5的20和5分开# 2. 提取浮点数和整数（更通用的数字模式）# 模式：d+.d* 或者 d*.d+ 或者更通用的 d+.?d*# 考虑到数字可能带小数点，我们用 d+.?d* 来匹配，它会匹配至少一个数字，# 后面可选地跟着一个小数点，再后面可选地跟着零个或多个数字。# 这样可以匹配 "100", "20.5", "5." (虽然实际中"5."不常见，但模式会匹配)numbers_general = re.findall(r'd+.?d*', text1)print(f"提取通用数字 (text1): {numbers_general}") # ['100', '20.5', '5']# 3. 提取带正负号的数字# 模式：[-+]?d+.?d* 匹配可选的正负号，然后是通用数字模式signed_numbers = re.findall(r'[-+]?d+.?d*', text1)print(f"提取带符号数字 (text1): {signed_numbers}") # ['100', '20.5', '-5']# 4. 结合实际场景，提取特定格式的数字# 比如从"订单号是123456789"中提取订单号order_id_match = re.search(r'订单号是(d+)', text2)if order_id_match: print(f"提取订单号 (text2): {order_id_match.group(1)}") # group(1) 获取括号内的内容# 5. 提取带有单位的数字，但只保留数字部分# 比如从"175cm"中提取175height_match = re.search(r'(d+.?d*)cm', text3)if height_match: print(f"提取身高数字 (text3): {height_match.group(1)}") # '175'
说实话，正则表达式这东西，初看会觉得有点像天书，但一旦你掌握了几个核心元字符和量词，它在文本处理上的能力会让你大呼过瘾。上面这些模式，基本能覆盖你日常提取数字的大部分需求了。
立即学习“Python免费学习笔记（深入）”；
如何在复杂文本中精确提取各类数字，包括整数、浮点数和负数？
在真实世界的文本里，数字的形态是多种多样的，比如可能夹杂着单位，或者用逗号做千位分隔符。要精确提取，我们就得构建更精细的正则表达式。这就像给一个模糊的目标画出清晰的轮廓。
一个比较全面的数字匹配模式，可以考虑以下几点：
正负号: 数字前面可能有
+
或
-
。用
[-+]?
来匹配可选的正负号。整数部分: 至少一个数字。
d+
。小数部分: 小数点是可选的，后面可以跟零个或多个数字。
.?d*
。组合: 将上述部分组合起来，得到
[-+]?d+.?d*
。这个模式能捕获像 “123”, “12.3”, “-45”, “+6.78” 这样的数字。
但如果你想更严谨地匹配浮点数，比如确保小数点后有数字，或者小数点前有数字，可以调整为：
[-+]?d+.d+
: 匹配 “12.3”, “-4.5″，但不匹配 “12” 或 “0.5”。
[-+]?(?:d+.d*|d*.d+)
: 匹配 “12.3”, “0.5”, “12.” (如果允许)，但不匹配 “12”。我个人更倾向于使用
[-+]?d+(?:.d+)?
。这个模式是说：可选的正负号，接着至少一个数字，然后是一个非捕获组
(?:.d+)?
，这个组表示可选地匹配一个小数点和至少一个数字。这样既能匹配整数，也能匹配像 “12.3” 这样的浮点数，而且不会匹配单独的 “.” 或者 “12.” 这种可能不是你想要的浮点数。
import recomplex_text = "今天的气温是-5.5℃，昨天下雨量是20mm，预计明天股价上涨1.23%，订单总额达到1,234,567.89元。"# 提取所有看起来像数字的字符串# 使用我偏好的模式：可选正负号，至少一个数字，可选的小数点和至少一个数字all_numbers_str = re.findall(r'[-+]?d+(?:.d+)?', complex_text)print(f"从复杂文本中提取的数字字符串: {all_numbers_str}")# 输出: ['-5.5', '20', '1.23', '1', '234', '567.89']# 注意：这里会把 "1,234,567.89" 拆分成 "1", "234", "567.89"# 如果要处理千位分隔符，模式需要更复杂一些# 匹配可能带逗号的整数或浮点数# 这里我用一个稍微激进的模式：允许数字之间有逗号，但逗号后必须跟三位数字# 并且整个数字可以有可选的小数部分numbers_with_commas = re.findall(r'[-+]?d{1,3}(?:,d{3})*(?:.d+)?', complex_text)print(f"处理千位分隔符后的数字字符串: {numbers_with_commas}")# 输出: ['-5.5', '20', '1.23', '1,234,567.89']# 这个模式就精确多了，成功地将 "1,234,567.89" 作为一个整体提取出来。# 这种精细化的匹配，需要你对可能出现的数字格式有清晰的预期。# 比如，如果数字后面总是跟着单位，而你只想要数字，可以用捕获组：temperature_match = re.search(r'([-+]?d+(?:.d+)?)℃', complex_text)if temperature_match: print(f"提取气温数字: {temperature_match.group(1)}") # '-5.5'
这里面的关键在于
?
（0次或1次）、
+
（1次或多次）、
*
（0次或多次）这些量词，以及
()
捕获组和
(?:)
非捕获组的灵活运用。构建正确的模式，就像是给你的文本数据量身定制一把钥匙。
提取到的数字是字符串，如何将其转换为数值类型进行后续处理？
re.findall()
返回的，或者
match.group()
捕获到的，都是字符串类型。这很合理，因为正则表达式本身就是处理字符串的。但我们通常提取数字是为了进行计算、比较或者其他数值操作，所以下一步往往就是把它们转换成
int
（整数）或
float
（浮点数）。
这个转换过程相对直观，Python提供了内置的
int()
和
float()
函数。不过，有几个小细节值得注意：
类型选择: 如果你的数字可能包含小数，那就用
float()
。如果确定都是整数，用
int()
会更合适。错误处理: 虽然你的正则表达式应该已经过滤掉了非数字字符，但万一有意外，比如匹配到了一个空字符串或者一个不完全的数字，
int()
或
float()
转换时可能会抛出
ValueError
。在实际项目中，你可能需要用
try-except
块来处理这种情况，或者确保你的正则表达式足够健壮。批量转换: 如果
re.findall()
返回了一个数字字符串列表，你可以用列表推导式（list comprehension）或者
map()
函数来高效地批量转换。
import retext = "价格是100元，折扣后是85.5折，会员价-10元。库存量：500000。"# 提取所有可能带符号的浮点数或整数# 这里我们用一个比较通用的模式，能抓取到大部分我们想要的数字形态# 考虑到可能有千位分隔符，我们先不直接处理，在转换时再去除numbers_as_strings = re.findall(r'[-+]?d+(?:,d{3})*(?:.d+)?', text)print(f"原始提取的数字字符串: {numbers_as_strings}")# 输出: ['100', '85.5', '-10', '500,000']# 转换为数值类型converted_numbers = []for num_str in numbers_as_strings: # 在转换前，先去除千位分隔符，否则float()或int()会报错 cleaned_num_str = num_str.replace(',', '') try: if '.' in cleaned_num_str: converted_numbers.append(float(cleaned_num_str)) else: converted_numbers.append(int(cleaned_num_str)) except ValueError: print(f"警告: 无法将 '{num_str}' 转换为数值类型，已跳过。") # 实际项目中，你可能需要更复杂的错误处理逻辑print(f"转换后的数值列表: {converted_numbers}")# 输出: [100, 85.5, -10, 500000]# 使用列表推导式和map()的简洁方式# 假设我们已经确保了字符串都是干净的数字（无逗号）cleaned_numbers_str = [s.replace(',', '') for s in numbers_as_strings]float_numbers = [float(s) for s in cleaned_numbers_str if '.' in s]int_numbers = [int(s) for s in cleaned_numbers_str if '.' not in s]print(f"浮点数列表 (通过推导式): {float_numbers}")print(f"整数列表 (通过推导式): {int_numbers}")# 如果你知道所有数字都可能是浮点数，直接用mapall_as_floats = list(map(float, cleaned_numbers_str))print(f"所有数字转换为浮点数 (通过map): {all_as_floats}")
这块的重点是
replace(',', '')
这一步，它是在将字符串转换为数值类型前，处理掉那些可能导致转换失败的非数字字符（比如千位分隔符）。这体现了数据清洗在数据处理流程中的重要性。
面对特殊场景，如带有单位或特定分隔符的数字，正则表达式还能胜任吗？
当然可以，而且这正是正则表达式的强项之一。当数字和单位、特定的前缀或后缀、或者非标准分隔符混在一起时，我们可以通过更精巧的模式来“雕刻”出我们真正想要的数字。这就像在沙子里淘金，需要更细密的筛子。
关键在于使用捕获组
()
。捕获组允许你从整个匹配结果中，只提取模式中特定部分的内容。
import respecial_text = "订单号:XYZ-12345, 金额: $99.99, 生产日期: 2023-10-26, 数量: 100件, 编码: #A-B-C-42."# 1. 提取订单号中的数字部分 (例如 XYZ-12345 中的 12345)# 模式：XYZ-后面跟着数字order_id_match = re.search(r'XYZ-(d+)', special_text)if order_id_match: print(f"订单号数字: {order_id_match.group(1)}") # '12345'# 2. 提取带货币符号的金额 (例如 $99.99)# 模式：$后面跟着一个数字模式amount_match = re.search(r'$(d+(?:.d+)?)', special_text)if amount_match: print(f"金额: {amount_match.group(1)}") # '99.99'# 3. 提取带有单位的数字 (例如 100件)# 模式：数字后面跟着单位quantity_match = re.search(r'(d+)件', special_text)if quantity_match: print(f"数量: {quantity_match.group(1)}") # '100'# 4. 提取日期中的年份、月份、日期# 模式：(d{4})-(d{2})-(d{2}) 分别捕获年、月、日date_match = re.search(r'(d{4})-(d{2})-(d{2})', special_text)if date_match: year, month, day = date_match.groups() # groups()返回所有捕获组的元组 print(f"生产日期: 年={year}, 月={month}, 日={day}") # 年=2023, 月=10, 日=26# 5. 从混合编码中提取最后一个数字 (例如 #A-B-C-42 中的 42)# 模式：匹配一个非数字或连字符的字符，直到最后一个连字符后跟着数字code_number_match = re.search(r'-(d+)$', special_text) # $表示字符串结尾if code_number_match: print(f"编码中的数字: {code_number_match.group(1)}") # '42'# 更复杂的例子：提取所有括号内的数字text_with_parentheses = "项目A (ID: 123), 项目B (ID: 456), 错误码 (Err: 789)."numbers_in_parentheses = re.findall(r'((?:ID|Err):s*(d+))', text_with_parentheses)print(f"括号内ID/Err数字: {numbers_in_parentheses}") # ['123', '456', '789']
这里面，
re.search()
和
re.findall()
的选择也很关键。
re.search()
只找第一个匹配项，通常用于提取特定格式的唯一信息；而
re.findall()
则会找出所有非重叠的匹配项，适用于你需要批量提取同类信息的情况。当你的模式中包含捕获组时，
re.findall()
会直接返回捕获组的内容列表，而不是整个匹配项。这在使用上非常方便。
总的来说，正则表达式在Python中处理数字提取，就像一把瑞士军刀，功能多且强大。关键在于理解你的数据形态，然后构建出恰到好处的模式。多实践，多尝试，你会发现它的乐趣。
以上就是python中如何使用正则表达式提取数字？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1372069.html
微信扫一扫 
支付宝扫一扫 
