¿Cómo extraer números de una cadena en Python?
Me gustaría extraer todos los números contenidos en una cadena. ¿Cuál es más adecuado para el propósito, las expresiones regulares o laisdigit() método?
Ejemplo:
line = "hello 12 hi 89"
Resultado:
[12, 89]
Yo usaría una expresión regular:
>>> import re
>>> re.findall(r'\d+', "hello 42 I'm a 32 string 30")
['42', '32', '30']
Esto también coincidiría con 42 de bla42bla. Si solo desea números delimitados por límites de palabras (espacio, punto, coma), puede usar \b:
>>> re.findall(r'\b\d+\b', "he33llo 42 I'm a 32 string 30")
['42', '32', '30']
Para terminar con una lista de números en lugar de una lista de cadenas:
>>> [int(s) for s in re.findall(r'\b\d+\b', "he33llo 42 I'm a 32 string 30")]
[42, 32, 30]
NOTA: esto no funciona para números enteros negativos
Si solo desea extraer números enteros positivos, intente lo siguiente:
>>> txt = "h3110 23 cat 444.4 rabbit 11 2 dog"
>>> [int(s) for s in txt.split() if s.isdigit()]
[23, 11, 2]
Yo diría que esto es mejor que el ejemplo de expresiones regulares porque no necesita otro módulo y es más legible porque no necesita analizar (ni aprender) el minilenguaje de expresiones regulares .
Esto no reconocerá números flotantes, enteros negativos o enteros en formato hexadecimal. Si no puede aceptar estas limitaciones, la respuesta de jmnas a continuación será suficiente.
También puedes ampliar la expresión regular para que tenga en cuenta la notación científica.
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)
¡Da todo bien!
Además, puede consultar la expresión regular integrada de AWS Glue
Apr 11 '2015 18:04