如何从没有模式的字符串中提取数据？

Question

如何提取字符串中的117、0.049、207？你知道吗

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

Answer 1

解析非结构化文本比较麻烦：使用正则表达式可以快速获得结果，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']

。。。但是想要一直得到你想要的结果是很困难的。你知道吗

让我们一步一步地讨论解决办法。。。你知道吗

首先，您的输入包含括号内的数字，您不需要它们。因此，我们首先需要用正则表达式替换来移除方括号：

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

此替换搜索以左括号“（”开始，以右括号“）”结束的子字符串，并用空字符串替换它们。在编写这个表达式时，我们需要考虑几个细节：

• 括号在正则表达式中有特殊的含义。要引用输入中的实际方括号，我们需要在模式中对它们进行转义，并写入“（”而不是“（”。你知道吗
• 通常情况下，模式r'（.*）将在输入中占据第一个左括号和所有文本直到最后一个右括号。这太贪心了。我们在星号后面添加问号，使表达式不贪婪。*不过，如果输入中的括号不匹配，可能会得到错误的结果。你知道吗

第二步，我们要从剩余的输入中挑选出数字。您的数字可能包含小数点，因此我们需要在正则表达式中也允许小数点。但是用正则表达式精确匹配数字是很棘手的。以下是我们的解决方案不适用的有效数字（对于有效的某些定义）：

-1.32 1.04e4 -3.14e-23

下面是一个字符串，我们的模式将其作为数字—但您可能不需要它们：

10.24.12.123

所有这些都是可以修复的，但模式将更加复杂。你必须准确地决定你想得到什么和不想得到什么。你知道吗

这里是到Python regular expression documentation的链接。你知道吗