正则表达式提取整数或浮点值，后跟一个单位，Python答案

【问题标题】：Regex to extract both integer or float values followed by a unit, Python正则表达式提取整数或浮点值，后跟一个单位，Python
【发布时间】：2019-12-05 19:32:51
【问题描述】：

我想构建一个正则表达式，它捕获字符串中的所有模式，其中在测量单位（ml、mg、kg 等）之前存在整数或浮点数。我当前的正则表达式只考虑整数并在有空格时中断。我想在我的代码中处理这些。

p = re.compile('[0-9](?:mg|kg|ml|q.s.|ui|M|g|µg)')
x = '0.9mg is the approximate dosage'
z = p.findall(x)
print(z)

这不适用于小数，并且在有空格时也会中断。

要捕获的预期模式是：

Examples: 0.9 mg, 9 mg, 9mg, 0.9mg

有关此的任何帮助

在代码中使用正则表达式：

mg = []
newregex = r"[0-9\.\s]+(?:mg|kg|ml|q.s.|ui|M|g|µg)" 
for s in zz:
    for e in extracteddata:
        v = re.search(newregex,extracteddata,flags=re.IGNORECASE|re.MULTILINE)
        if v:
            mg.append(v.group(0))

【问题讨论】：

标签： python regex python-3.x

【解决方案1】：

你可以试试这个：

([.\d]+)\s*(?:mg|kg|ml|q.s.|ui|M|g|µg)

Try it online.

【讨论】：

谢谢。我正在尝试将匹配的模式保存在列表中，但出现错误“ValueError：无法使用已编译模式处理标志参数”。如果你能帮我解决它，那就太好了。在问题中添加代码以供参考。
从字符串模式中提取的实际数字可以通过.group(1)获取。所以试试mg.append(re.search(newregex,extracteddata,flags=re.IGNORECASE|re.MULTILINE)).group(1)。此外，将模式从循环内部移动到循环外部也是一个好主意，这样就不必每次都编译它。
我试过了，但它不起作用。我已经对代码进行了一些更改，现在在v = re.search(newregex,extracteddata,flags=re.IGNORECASE|re.MULTILINE) 行中获得了“TypeError：预期的字符串或类似字节的对象”。对此有任何想法
没有.group(0)，而是.group(1)
你说的是我之前贴的代码吗？ mg.append(re.search(newregex,extracteddata,flags=re.IGNORECASE|re.MULTILINE)) 在哪里？

【解决方案2】：

(?<!\d|\.)\d+(?:\.\d+)?\s*?(?:mg|kg|ml|q\.s\.|ui|M|g|µg)(?!\w)

此正则表达式将选择格式正确的数字，其后带有正确格式的单位，并将拒绝格式错误的数字或不存在的单位。

(?<!\d|\.) - 确保此数字之前没有数字或小数点。
\d+ - 获得一位或多位数字。
(?:\.\d+)? - 可选择获取小数点，后跟一位或多位数字。
\s*? - 获得零到无限的空白字符，尽可能少。
(?:mg|kg|ml|q\.s\.|ui|M|g|µg) - 捕获列出的单位之一。
(?!\w) - 确保在捕获的单元之后没有额外的数据。

Regex demo

import re

p = re.compile('(?<!\d|\.)\d+(?:\.\d+)?\s*?(?:mg|kg|ml|q\.s\.|ui|M|g|µg)(?!\w)')
x = 'Examples: 0.9 mg, 9 mg, 9mg, 0.9mg'

print(p.findall(x))

['0.9mg', '9mg', '9mg', '0.9mg']

Python demo

【讨论】：

谢谢。我正在尝试将匹配的模式保存在列表中，但出现错误“ValueError：无法使用已编译模式处理标志参数”。如果你能帮我解决它，那就太好了。在问题中添加代码以供参考。
@techsmart 这个错误是说你必须把re.IGNORECASE|re.MULTILINE 标志放到你的re.compile 语句中，而不是你的re.search 语句中。

【解决方案3】：

试试这个：

x = '9mg 9.0mg  0 mg .009 mg is the approximate dosage'
p = re.compile('[0-9\.\s]+(?:mg|kg|ml|q.s.|ui|M|g|µg)')
p.findall(x)

输出：

['9mg', ' 9.0mg', '  0 mg', ' .009 mg']

【讨论】：

如果字符串中 0.9 和 mg 之间有空格，则它不起作用。示例：“x = 0.9 mg 是近似剂量”
谢谢。我正在尝试将匹配的模式保存在列表中，但出现错误“ValueError：无法使用已编译模式处理标志参数”。如果你能帮我解决它，那就太好了。在问题中添加代码以供参考。
@techsmart 您需要在变量中输出['9mg', ' 9.0mg', ' 0 mg', ' .009 mg'] 吗？然后你可以做z = p.findall(x)。此外，如果您执行re.search，那么您需要对对象执行.group(0)。最好是findall 或finditer。
不，实际上我不需要所有匹配项。我已经更新了上面的代码，现在在 v = re.search(newregex,extracteddata,flags=re.IGNORECASE|re.MULTILINE) 行中得到“TypeError：预期的字符串或类似字节的对象”。对此有任何想法

【解决方案4】：

此答案不仅是对该问题的特定解决方案，而且是尝试将字符串与数字匹配的一般解决方案，带或不带precision，带或不带units，带或不带thousand 分隔符European (.,) 和 International (.,) 格式

(((\d{4,}(?:[\.,]\d+)?)|((\d{1,3}(?:((\.)|,)\d{1,3})?(?:\6\d{1,3})*(?:(?(7),|\.)\d+)?)))\s*(?:[a-zA-Z]*))

\d{1,3} - 选择一到三位数字。
\d{4,} - 选择一到三位数字。
((\.)|,) - 选择 . (European) 或 , (International) 作为千位分隔符。
\6 - 只选择以前匹配的千位分隔符。
(?(7),|\.) - if-else 条件匹配精度分隔符 , (European) 或 . (International) 基于先前匹配的千位分隔符。
\s*?(?:[a-zA-Z]+) - 在匹配的数字后面选择一个单位，带或不带前面的空格字符。

Regex Demo

import re

p = re.compile('(((\d{4,}(?:[\.,]\d+)?)|((\d{1,3}(?:((\.)|,)\d{1,3})?(?:\6\d{1,3})*(?:(?(7),|\.)\d+)?)))\s*(?:[a-zA-Z]*))')
x = 'Examples: 0.9 mg, 9 mg, 9mg, 0.9mg'

print([item[0]for item in p.findall(x)])

输出： ['0.9 mg', '9 mg', '9mg', '0.9mg']

Python Demo

【讨论】：