从字符串中删除非数字字符

Question

我的任务是从文本文件或字符串中删除所有非数字字符，包括空格，然后在旧字符旁边打印新结果，例如：

之前：

sd67637 8

之后：

676378

由于我是初学者，我不知道从哪里开始这项任务。请帮忙

Answer 1

我不会为此使用 RegEx。速度慢了很多！

我们只使用一个简单的for 循环。

TLDR;

此功能将快速完成工作...

def filter_non_digits(string: str) -> str:
    result = ''
    for char in string:
        if char in '1234567890':
            result += char
    return result 

解释

让我们创建一个非常基本的基准来测试已提出的几种不同方法。我将测试三种方法...

1. For 循环方法（我的想法）。
2. 来自Jon Clements' answer的列表理解方法。
3. 来自Moradnejad's answer 的RegEx 方法。

# filters.py

import re

# For loop method
def filter_non_digits_for(string: str) -> str:
    result = ''
    for char in string:
        if char in '1234567890':
            result += char
    return result 


# Comprehension method
def filter_non_digits_comp(s: str) -> str:
    return ''.join(ch for ch in s if ch.isdigit())


# RegEx method
def filter_non_digits_re(string: str) -> str:
    return re.sub('[^\d]','', string)

现在我们已经实现了每种删除数字的方法，让我们对每一种方法进行基准测试。

这里是一些非常基本和基本的基准代码。但是，它会起到作用，并让我们很好地比较每种方法的执行情况。

# tests.py

import time, platform
from filters import filter_non_digits_re,
                    filter_non_digits_comp,
                    filter_non_digits_for


def benchmark_func(func):
    start = time.time()
    # the "_" in the number just makes it more readable
    for i in range(100_000):
        func('afes098u98sfe')
    end = time.time()
    return (end-start)/100_000


def bench_all():
    print(f'# System ({platform.system()} {platform.machine()})')
    print(f'# Python {platform.python_version()}\n')

    tests = [
        filter_non_digits_re,
        filter_non_digits_comp,
        filter_non_digits_for,
    ]

    for t in tests:
        duration = benchmark_func(t)
        ns = round(duration * 1_000_000_000)
        print(f'{t.__name__.ljust(30)} {str(ns).rjust(6)} ns/op')


if __name__ == "__main__":
    bench_all()

这是基准代码的输出。

# System (Windows AMD64)
# Python 3.9.8

filter_non_digits_re             2920 ns/op
filter_non_digits_comp           1280 ns/op
filter_non_digits_for             660 ns/op

如您所见，filter_non_digits_for() 函数比使用 RegEx 快四倍以上，大约是理解方法的两倍。有时简单是最好的。

Answer 2

添加到 @MoradneJad 中。您可以使用以下代码提取整数值、浮点数甚至有符号值。

a = re.findall(r"[-+]?\d*\.\d+|\d+", "Over th44e same pe14.1riod of time, p-0.8rices also rose by 82.8p")

然后您可以使用map 有效地将列表项转换为数字数据类型。

print(list(map(float, a)))

[44.0, 14.1, -0.8, 82.8]

Answer 3

提取整数

示例：sd67637 8 ==> 676378

import re
def extract_int(x):
    return re.sub('[^\d]','', x)

提取单个浮点数/整数（可能的小数分隔符）

示例：sd7512.sd23 ==> 7512.23

import re
def extract_single_float(x):
    return re.sub('[^\d|\.]','', x)

提取多个浮点数/浮点数

示例：123.2 xs12.28 4 ==> [123.2, 12.28, 4]

import re
def extract_floats(x):
    return re.findall("\d+\.\d+", x)

Answer 4

您可以使用string.ascii_letters 来识别您的非数字：

from string import *

a = 'sd67637 8'
a = a.replace(' ', '')

for i in ascii_letters:
    a = a.replace(i, '')

如果您想替换冒号，请使用引号 " 而不是冒号 '。

Answer 5

为此有一个builtin。

string.translate(s, table[, deletechars])

从 s 中删除所有字符 在 deletechars 中（如果存在），然后翻译 使用 table 的字符，它必须是 256 个字符的字符串 每个字符值的翻译，由它的序数索引。如果 table 为 None，则只执行字符删除步骤。

>>> import string
>>> non_numeric_chars = ''.join(set(string.printable) - set(string.digits))
>>> non_numeric_chars = string.printable[10:]  # more effective method. (choose one)
'sd67637 8'.translate(None, non_numeric_chars)
'676378'

---

或者你可以在没有导入的情况下做到这一点（但没有理由这样做）：

>>> chars = 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~ \t\n\r\x0b\x0c'
>>> 'sd67637 8'.translate(None, chars)
'676378'

Answer 6

最简单的方法是使用正则表达式

import re
a = 'lkdfhisoe78347834 (())&/&745  '
result = re.sub('[^0-9]','', a)

print result
>>> '78347834745'

Answer 7

逐个字符循环遍历你的字符串，并且只包含数字：

new_string = ''.join(ch for ch in your_string if ch.isdigit())

或者在你的字符串上使用正则表达式（如果在某个时候你想分别处理不连续的组）...

import re
s = 'sd67637 8' 
new_string = ''.join(re.findall(r'\d+', s))
# 676378

那就print他们出去吧：

print(old_string, '=', new_string)