【问题标题】：Extracting numbers from a string using regex in python在python中使用正则表达式从字符串中提取数字
【发布时间】：2017-06-23 16:38:20
【问题描述】：

我有一个要解析的网址列表：

['https://www.richmondfed.org/-/media/richmondfedorg/press_room/speeches/president_jeff_lacker/2017/pdf/lacker_speech_20170303.pdf','http://www.federalreserve.gov/newsevents/speech/powell20160929a.htm','http://www.federalreserve.gov/newsevents/speech/fischer20161005a.htm']

我想使用正则表达式创建一个新列表，其中包含字符串末尾的数字和标点符号之前的任何字母（某些字符串包含两个位置的数字，如上面列表中的第一个字符串所示）。所以新列表看起来像：

['20170303', '20160929a', '20161005a']

这是我没有运气的尝试：

code = re.search(r'?[0-9a-z]*', urls)

更新：

跑步-

[re.search(r'(\d+)\D+$', url).group(1) for url in urls]

我收到以下错误 -

AttributeError: 'NoneType' object has no attribute 'group'

此外，如果有字母，这似乎不会在数字后面接一个字母..！

【问题讨论】：

也许re.search(r'.*\D(\d\w*)', s) 可以。
你可以试试\d[^/.]*(?=\.\w+$)

标签： python regex fuzzywuzzy

【解决方案1】：

# python3

from urllib.parse import urlparse
from os.path import basename

def extract_id(url):
    path = urlparse(url).path
    resource = basename(path)
    _id = re.search('\d[^.]*', resource)
    if _id:
        return _id.group(0)

urls =['https://www.richmondfed.org/-/media/richmondfedorg/press_room/speeches/president_jeff_lacker/2017/pdf/lacker_speech_20170303.pdf','http://www.federalreserve.gov/newsevents/speech/powell20160929a.htm','http://www.federalreserve.gov/newsevents/speech/fischer20161005a.htm']

# /!\ here you have None if pattern doesn't exist ;) in ids list
ids = [extract_id(url) for url in urls]

print(ids)

输出：

['20170303', '20160929a', '20161005a']

【讨论】：

这很好，除了示例中第一个字符串的输出没有跳过第一个 2017 - 输出是：['2017/pdf/lacker_speech_20170303', '20160929a', '20161005a ']
你必须在正则表达式中改变了一些东西，因为现在它可以工作了，谢谢！

【解决方案2】：

你可以使用这个正则表达式(\d+[a-z]*)\.：

regex demo

输出

20170303
20160929a
20161005a

【讨论】：

【解决方案3】：

给定：

>>> lios=['https://www.richmondfed.org/-/media/richmondfedorg/press_room/speeches/president_jeff_lacker/2017/pdf/lacker_speech_20170303.pdf','http://www.federalreserve.gov/newsevents/speech/powell20160929a.htm','http://www.federalreserve.gov/newsevents/speech/fischer20161005a.htm']

你可以这样做：

for s in lios:
    m=re.search(r'(\d+\w*)\D+$', s)
    if m:
        print m.group(1)

打印：

20170303
20160929a
20161005a

基于这个正则表达式：

(\d+\w*)\D+$
  ^              digits
     ^           any non digits
        ^        non digits
           ^     end of string

【讨论】：

你看过预期的输出了吗？

【解决方案4】：

import re

patterns = {
    'url_refs': re.compile("(\d+[a-z]*)\."),  # YCF_L
}

def scan(iterable, pattern=None):
    """Scan for matches in an iterable."""
    for item in iterable:
        # if you want only one, add a comma:
        # reference, = pattern.findall(item)
        # but it's less reusable.
        matches = pattern.findall(item)
        yield matches

你可以这样做：

hits = scan(urls, pattern=patterns['url_refs'])
references = (item[0] for item in hits)

将references 提供给您的其他功能。你可以通过这种方式处理更多的东西，而且我想做得更快。

【讨论】：