¿Cómo extraer un número variable de una cadena [duplicado]
-
11-10-2019 - |
Pregunta
Esta pregunta ya tiene una respuesta aquí:
- Extracto de flotador / doble valor 4 respuestas
Tengo un número de cadenas similares a Current Level: 13.4 db.
y me gustaría para extraer sólo el número de coma flotante. Yo digo no decimal flotante y que a veces es todo. Can RegEx hacer esto o hay una manera mejor?
Solución
Si el flotador se expresa siempre en notación decimal algo así como
>>> import re
>>> re.findall("\d+\.\d+", "Current Level: 13.4 db.")
['13.4']
puede ser suficiente.
Una versión más robusto sería:
>>> re.findall(r"[-+]?\d*\.\d+|\d+", "Current Level: -13.2 db or 14.2 or 3")
['-13.2', '14.2', '3']
Si desea validar la entrada del usuario, que podría ser alternativamente también comprobar si hay un flotador por pisar a él directamente:
user_input = "Current Level: 1e100 db"
for token in user_input.split():
try:
# if this succeeds, you have your (first) float
print float(token), "is a float"
except ValueError:
print token, "is something else"
# => Would print ...
#
# Current is something else
# Level: is something else
# 1e+100 is a float
# db is something else
Otros consejos
Es posible que quiera probar algo como esto, que cubre todas las bases, incluyendo no depender de un espacio en blanco después del número:
>>> import re
>>> numeric_const_pattern = r"""
... [-+]? # optional sign
... (?:
... (?: \d* \. \d+ ) # .1 .12 .123 etc 9.1 etc 98.1 etc
... |
... (?: \d+ \.? ) # 1. 12. 123. etc 1 12 123 etc
... )
... # followed by optional exponent part if desired
... (?: [Ee] [+-]? \d+ ) ?
... """
>>> rx = re.compile(numeric_const_pattern, re.VERBOSE)
>>> rx.findall(".1 .12 9.1 98.1 1. 12. 1 12")
['.1', '.12', '9.1', '98.1', '1.', '12.', '1', '12']
>>> rx.findall("-1 +1 2e9 +2E+09 -2e-9")
['-1', '+1', '2e9', '+2E+09', '-2e-9']
>>> rx.findall("current level: -2.03e+99db")
['-2.03e+99']
>>>
Para una fácil copiar y pegar:
numeric_const_pattern = '[-+]? (?: (?: \d* \. \d+ ) | (?: \d+ \.? ) )(?: [Ee] [+-]? \d+ ) ?'
rx = re.compile(numeric_const_pattern, re.VERBOSE)
rx.findall("Some example: Jr. it. was .23 between 2.3 and 42.31 seconds")
Python docs tiene una respuesta que cubre +/- , y el exponente notación
scanf() Token Regular Expression
%e, %E, %f, %g [-+]?(\d+(\.\d*)?|\.\d+)([eE][-+]?\d+)?
%i [-+]?(0[xX][\dA-Fa-f]+|0[0-7]*|\d+)
Esta expresión regular no es compatible con los formatos internacionales que se utiliza una coma como separador entre el carácter conjunto y la parte fraccionaria (3,14159).
En ese caso, sustituir la totalidad \.
con [.,]
en la expresión regular flotador anteriormente.
Regular Expression
International float [-+]?(\d+([.,]\d*)?|[.,]\d+)([eE][-+]?\d+)?
re.findall(r"[-+]?\d*\.?\d+|\d+", "Current Level: -13.2 db or 14.2 or 3")
como se describe anteriormente, funciona muy bien! Una sugerencia de que:
re.findall(r"[-+]?\d*\.?\d+|[-+]?\d+", "Current Level: -13.2 db or 14.2 or 3 or -3")
también devolverá valores int negativos (como -3 en el extremo de esta cadena)
Se puede usar la siguiente expresión regular para obtener valores enteros y flotantes de una cadena:
re.findall(r'[\d\.\d]+', 'hello -34 42 +34.478m 88 cricket -44.3')
['34', '42', '34.478', '88', '44.3']
Gracias Rex
Creo que puede encontrar cosas interesantes en la siguiente respuesta mío que hice para una pregunta similar anterior:
https://stackoverflow.com/q/5929469/551449
En esta respuesta, me propuso un modelo que permite una expresión regular para recoger cualquier tipo de número y ya no tengo nada más que añadir a ello, creo que es bastante completo
Otro enfoque que puede ser más legible es simple conversión de tipos. He añadido una función de reemplazo a instancias de la cubierta donde las personas pueden entrar decimales europeas:
>>> for possibility in "Current Level: -13.2 db or 14,2 or 3".split():
... try:
... str(float(possibility.replace(',', '.')))
... except ValueError:
... pass
'-13.2'
'14.2'
'3.0'
Esto tiene desventajas, sin embargo. Si alguien escribe "1000", este se convertirá a 1. Además, se supone que la gente se ingresa datos con espacios en blanco entre las palabras. Este no es el caso con otros idiomas, como el chino.