详解Python3中字符串中的数字提取方法

Python  /  管理员 发布于 7年前   171

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

 totalCount = '100abc' 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：

 answer_num_get = soup.find('h3', {'id': 'zh-question-answer-num'})  # 答案数量：32 个回答 if answer_num_get is not None:   answer_num = int(answer_num_get.split()[0]) n = answer_num // 10 

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。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。