详解Python3中字符串中的数字提取方法

发表于 5年以前 | 总阅读数：1183 次

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脚本之家。