Python如何提取文本中的所有数字，原来这问题这么难

前言

你可能会遇到过各种文本处理，从文本中其他所有数值，初看起来没有啥特别难度。

但是，数据经常让你"喜出望外"。

今天我们使用各种方式从文本中提取有效的数值：

• 普通方式
• 正则表达式

Python内置方法

为了方便对比各种实现方式，我们把待验证的文本与正确结果写入 excel 表格：

为了简化调用，我封装了一系列流程，我们只需要定义一个处理函数即可：

• 行2：逻辑非常简单，按空格分列，然后通过字符串方法 isdigit 就能判断是否为数值

这个方式非常好，因为直观简单。

但是从验证结果可以看到，大部分的数据都没能通过

接下来就要使用核武器

正则表达式

简单的正则表达式还是挺好弄：

• 行2：表达式 "\d" 表示一个数字，"\d+" 表示1个或多个数字。所以就是匹配多个连续数字
• 但是，效果上与上一个方式一样

我们注意到测试表中，有些内容数值前有正负号，还有科学计数法

·不妨在数字前面加上可能出现的正负号：

• 为了让正则表达式更容易看，我喜欢分开定义每个区域
• 行2："[+-]" 表示 + 或 - 号，"[+-]?" ，问号是一个量词，表示有1个或没有。整个的意思是 "加号或减号可能没有，也可能有一个"

没有多大改进，只是多通过了一行

看了第二行大概就能知道，我们没有考虑小数：

• 行4：因为正则表达式中的 "." 本意是表示任意一个符号，但是用在[] 中就能表达"一个点"。这里也可以使用 ".?"
• 小数点可能没有，也可能只有一个，所以用"?"
• 行5：小数点后的连续数字，注意可能没有，也可能有多个，用 "*" 表达这个数量

这次好很多了。

现在集中解决索引3的 case，注意到他有科学计数法(45e5 等)：

• 行6：科学计数hi法部分， e 或 E，然后是加减号(可能没有，或只有一个)，然后连续数字。最重要的是，整个科学计数法部分可能没有，或只有一个，所以我们要用括号把他们包围，然后打算量词"?" 表达
• 为什么括号一开始要用"?:" ，因为正则表达式的括号有捕获结果的功能，但我们这里的括号不需要捕获。所以用 "?:" 表示不捕获

还有最后3个 case 没有通过，但我也解决不了。希望有高手能指点。

先到这里吧，估计我过几天就看不懂这些代码了。

本文源码请发送 "python 正则" 获取

你学会了没有？

记得点赞，转发！谢谢支持！

推荐阅读：

pandas输出的表格竟然可以动起来?教你华而不实的python