詳解Python3中字串中的數字提取方法

NO IMAGE

逛到一個有意思的部落格在裡面看到一篇關於ValueError: invalid literal for int() with base 10錯誤的解析,針對這個錯誤,博主已經給出解決辦法,使用的是re.sub 方法


totalCount = '100abc'
totalCount = re.sub("\D", "", totalCount) 

但是沒有說明什麼含義,於是去查了其他的資料,做一下記錄:

在Python3.5.2 官方文件re模組中sub函式的定義是: 


re.sub(pattern, repl, string, count=0, flags=0)

在字串 string 中找到匹配正規表示式 pattern 的所有子串,用另一個字串 repl 進行替換。如果沒有找到匹配 pattern 的串,則返回未被修改的 string。Repl 既可以是字串也可以是一個函式。

由此可分析上面使用的語句的含義:在’100abc’這個字串中找到非數字的字元(正規表示式中’\D’表示非數字),並用””替換,然後返回的就是只剩下數字的字串。 


>>> totalCount = '100abc'
>>> totalCount = re.sub("\D", "", totalCount)
>>> print(totalCount)
100
>>> type(totalCount)
<class 'str'> 

好吧,以上說明完畢,不過其實我想到的是我爬取知乎所關注的問答時,所遇到的類似的問題:


answer_num_get = soup.find('h3', {'id': 'zh-question-answer-num'})  # 答案數量:32 個回答
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(),是因為string.split()[0]將answer_num_get的值“32 個回答”提取出數字(注:32後面有一個空格,在這裡非常重要,因為知乎上抓取回來的這個元素就是)

split()的定義    str.split(sep=None, maxsplit=-1)


>>> import string
>>> a = "32 個答案"
>>> 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()的第一個引數是分隔符,如果什麼都不填就是預設是以空格來分隔。

第一種方法需要用到正規表示式,第二種方法則需要有分隔符(我猜是不是這個原因,在原網頁上總答案數的數字後有個空格存在)。  這兩種方法都有點侷限性,不知道是否有更好的方法來分離字串中的數字。