怎么用python提取字符串中的數字

# 怎么用Python提取字符串中的數字

## 目錄
1. [引言](#引言)
2. [基礎方法](#基礎方法)
   - [2.1 使用isdigit()方法](#21-使用isdigit方法)
   - [2.2 遍歷字符串](#22-遍歷字符串)
3. [正則表達式方法](#正則表達式方法)
   - [3.1 re.findall()基礎用法](#31-refindall基礎用法)
   - [3.2 匹配不同數字格式](#32-匹配不同數字格式)
4. [處理復雜場景](#處理復雜場景)
   - [4.1 帶符號的數字](#41-帶符號的數字)
   - [4.2 科學計數法](#42-科學計數法)
   - [4.3 數字與單位組合](#43-數字與單位組合)
5. [性能優化](#性能優化)
   - [5.1 編譯正則表達式](#51-編譯正則表達式)
   - [5.2 方法選擇建議](#52-方法選擇建議)
6. [實戰案例](#實戰案例)
   - [6.1 日志文件分析](#61-日志文件分析)
   - [6.2 網頁數據抓取](#62-網頁數據抓取)
7. [常見問題](#常見問題)
8. [總結](#總結)

## 引言

在數據處理和文本分析中，從字符串中提取數字是一項常見但關鍵的任務。Python作為數據處理的首選語言，提供了多種高效的方法來完成這項工作。本文將全面介紹Python中提取字符串數字的各類方法，包括基礎字符串操作、正則表達式高級技巧以及處理特殊場景的解決方案。

## 基礎方法

### 2.1 使用isdigit()方法

`isdigit()`是字符串對象的內置方法，用于檢測字符串是否只包含數字字符（0-9）：

```python
text = "訂單12345金額678元"
digits = [char for char in text if char.isdigit()]
result = ''.join(digits)
print(result)  # 輸出: 12345678

注意事項： - 只能識別0-9的數字字符 - 無法識別負數符號、小數點等特殊字符 - 對于全角數字（如”１２３”）會返回False

2.2 遍歷字符串

手動遍歷字符串是最基礎的方法，適合簡單場景：

text = "溫度25.6℃ 濕度70%"
numbers = []
current_num = ""

for char in text:
    if char.isdigit() or char == '.':
        current_num += char
    elif current_num:
        numbers.append(float(current_num))
        current_num = ""

# 處理最后可能存在的數字
if current_num:
    numbers.append(float(current_num))

print(numbers)  # 輸出: [25.6, 70]

適用場景： - 數字格式簡單且統一 - 不需要處理復雜符號 - 對性能要求不高的小規模數據處理

正則表達式方法

3.1 re.findall()基礎用法

正則表達式是處理復雜模式匹配的利器：

import re

text = "服務器內存使用率85%，CPU負載2.5"
numbers = re.findall(r'\d+\.?\d*', text)
print(numbers)  # 輸出: ['85', '2.5']

模式說明： - \d+ 匹配1個或多個數字 - \.? 匹配0或1個小數點 - \d* 匹配0個或多個數字

3.2 匹配不同數字格式

擴展正則表達式以處理更多數字格式：

text = "收入:+123.45元 支出:-78.90 USD 科學計數:1.23e-4"
pattern = r'[-+]?\d*\.?\d+(?:[eE][-+]?\d+)?'
numbers = re.findall(pattern, text)
print(numbers)  # 輸出: ['+123.45', '-78.90', '1.23e-4']

模式解析： - [-+]? 可選的正負號 - \d*\.?\d+ 整數或小數部分 - (?:[eE][-+]?\d+)? 可選的科學計數法部分

處理復雜場景

4.1 帶符號的數字

處理包含貨幣符號、千位分隔符的數字：

text = "價格: $1,234.56 ￥789.00"
pattern = r'[$￥]?[,\d]+\.?\d+'
numbers = re.findall(pattern, text)
cleaned = [num.replace('$', '').replace('￥', '').replace(',', '') 
           for num in numbers]
print(cleaned)  # 輸出: ['1234.56', '789.00']

4.2 科學計數法

精確匹配科學計數法表示的數字：

text = "常量: 6.022e23 1.6E-19"
pattern = r'[-+]?\d*\.?\d+(?:[eE][-+]?\d+)'
numbers = re.findall(pattern, text)
print(numbers)  # 輸出: ['6.022e23', '1.6E-19']

4.3 數字與單位組合

提取帶單位的數字并保留關聯：

text = "距離: 5km 重量: 2.5kg"
pattern = r'(\d+\.?\d*)\s*([a-zA-Z]+)'
matches = re.findall(pattern, text)
print(matches)  # 輸出: [('5', 'km'), ('2.5', 'kg')]

性能優化

5.1 編譯正則表達式

對于需要重復使用的模式，預編譯可提升性能：

import re

texts = ["數據1: 123", "數據2: 456", ...] * 1000
pattern = re.compile(r'\d+')

# 單次編譯多次使用
for text in texts:
    numbers = pattern.findall(text)

性能對比： - 編譯后速度可提升2-5倍 - 在循環處理大量文本時效果顯著

5.2 方法選擇建議

實戰案例

6.1 日志文件分析

處理服務器日志中的狀態碼和響應時間：

log = """
[2023-01-01 12:00:00] GET /api 200 345ms
[2023-01-01 12:00:01] POST /login 404 210ms
"""

# 提取狀態碼和響應時間(毫秒)
pattern = r'\b(\d{3})\s(\d+)ms'
matches = re.findall(pattern, log)
for status, time in matches:
    print(f"狀態碼: {status}, 響應時間: {time}ms")

6.2 網頁數據抓取

從HTML中提取產品價格信息：

html = """
<div class="price">￥1,299.00</div>
<span class="discount">8.5折</span>
"""

# 提取價格和折扣
price = re.search(r'￥([\d,]+\.\d{2})', html).group(1)
discount = re.search(r'(\d\.\d)折', html).group(1)

print(f"價格: {price.replace(',', '')}, 折扣: {float(discount)*10}%")

常見問題

Q1: 如何區分數字編號和真正需要計算的數值？ A: 結合上下文判斷，或使用更精確的正則模式，例如：

# 只匹配特定格式的數值
pattern = r'\b\d+\.\d{2}\b'  # 匹配xx.xx格式的價格

Q2: 處理混合編碼文本時數字提取失??？ A: 先統一編碼：

text = "數據：１２３".encode('utf-8').decode('unicode-escape')

Q3: 超大文本內存不足怎么辦？ A: 使用流式處理：

with open('large_file.txt') as f:
    for line in f:
        numbers = re.findall(pattern, line)
        process(numbers)

總結

Python提供了從簡單到復雜的多種數字提取方案： 1. 對于簡單需求，isdigit()和基本字符串操作足夠高效 2. 正則表達式是處理復雜模式的終極武器 3. 性能關鍵場景應考慮預編譯正則表達式 4. 特殊格式需要定制化解決方案

選擇合適的方法需要綜合考慮：數據規模、數字格式復雜度、性能要求和開發效率。掌握這些技術后，你將能輕松應對各類文本數據中的數字提取需求。

擴展學習： - 官方re模塊文檔：https://docs.python.org/3/library/re.html - 正則表達式可視化工具：https://regex101.com/ - Pandas文本處理：pd.Series.str.extract() “`