热线电话：13121318867

登录
首页精彩阅读Python中字符串中的数字提取方法
Python中字符串中的数字提取方法
2017-06-28
收藏

Python中字符串中的数字提取方法

逛到一个有意思的博客 在里面看到一篇关于ValueError: invalid literal for int() with base 10错误的解析，针对这个错误，博主已经给出解决办法，使用的是re.sub 方法

1 totalCount = '100abc'
2 totalCount = re.sub("\D", "", totalCount)

但是没有说明什么含义，于是去查了其他的资料，做一下记录：

在Python3.5.2 官方文档re模块中sub函数的定义是：

re.sub(pattern, repl, string, count=0, flags=0)

在字符串 string 中找到匹配正则表达式 pattern 的所有子串，用另一个字符串 repl 进行替换。如果没有找到匹配 pattern 的串，则返回未被修改的 string。Repl 既可以是字符串也可以是一个函数。

由此可分析上面使用的语句的含义：在'100abc'这个字符串中找到非数字的字符（正则表达式中'\D'表示非数字），并用""替换，然后返回的就是只剩下数字的字符串。

>>> totalCount = '100abc'
>>> totalCount = re.sub("\D", "", totalCount)
>>> print(totalCount)
100
>>> type(totalCount)
<class 'str'>

好吧，以上说明完毕，不过其实我想到的是我爬取知乎所关注的问答时，所遇到的类似的问题：

1 answer_num_get = soup.find('h3', {'id': 'zh-question-answer-num'})   # 答案数量：32 个回答
2 if answer_num_get is not None:
3     answer_num = int(answer_num_get.split()[0])
4 n = answer_num // 1

其中第三行之所以能用int（），是因为string.split()[0]将answer_num_get的值“32 个回答”提取出数字（注：32后面有一个空格，在这里非常重要，因为知乎上抓取回来的这个元素就是）

split()的定义    str.split(sep=None, maxsplit=-1)

>>> import string
>>> a = "32 个答案"
>>> b = a.split()[0]
>>> print(b)
32
>>> type(b)
<class 'str'>
>>> c = '1,2,3'
>>> c.split(',')
['1', '2', '3']
>>> c.split(',')[0]
'1'
>>> c.split(',')[1]
'2'
>>>

由此可看出split()的第一个参数是分隔符，如果什么都不填就是默认是以空格来分隔。

第一种方法需要用到正则表达式，第二种方法则需要有分隔符（我猜是不是这个原因，在原网页上总答案数的数字后有个空格存在）。  这两种方法都有点局限性，不知道是否有更好的方法来分离字符串中的数字。


CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

正则表达式

数据分析咨询请扫描二维码

若不方便扫码，搜微信号：CDAshujufenxi

上一篇图论在大数据分析中的作用！
下一篇CDA认证再升一档！与国家共同推进大数据人才培养标准教育事业！
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询