如何使用Python正则表达式从文本中提取数字？

在文本中提取数字是数据分析常见的操作之一。Python的正则表达式模块re能够方便地通过匹配规则来提取文本中的数字。本文将介绍如何使用Python正则表达式从文本中提取数字。

阅读更多：Python 教程

什么是正则表达式？

正则表达式是一种用来描述、匹配一系列字符串的规则。可以使用正则表达式从字符串中提取需要的信息、替换文本等。Python有一个内置的re模块用以支持正则表达式的操作。

re模块基础用法

re模块有三个常用的函数，分别为re.match()、re.search()和re.findall()。这三个函数都可以用来从文本中提取数字。

re.match()函数

re.match()函数从字符串的开头开始匹配正则表达式。如果在开头就能匹配成功，则返回一个match对象；否则返回None。

示例代码：

import re

text = 'The value is 123.'
pattern = r'\d+'
match_obj = re.match(pattern, text)
if match_obj:
    print(match_obj.group())

输出的结果为：

可以看到，由于正则表达式中的\d+匹配了字符串开头的数字123，所以得到了正确的匹配结果。

re.search()函数

re.search()函数在整个字符串中搜索第一个匹配的子串，如果能够匹配成功，则返回一个match对象；否则返回None。

示例代码：

import re

text = 'There are 123 values in the dataset.'
pattern = r'\d+'
match_obj = re.search(pattern, text)
if match_obj:
    print(match_obj.group())

输出的结果为：

由于正则表达式中的\d+匹配了字符串第一个数字123，所以得到了正确的匹配结果。

re.findall()函数

re.findall()函数会在整个字符串中查找所有的匹配项，并将它们以列表的形式返回。

示例代码：

import re

text = 'The values are 1, 2, and 3.'
pattern = r'\d+'
match_list = re.findall(pattern, text)
print(match_list)

输出的结果为：

['1', '2', '3']

可以看到，由于正则表达式中的\d+匹配了所有的数字，所以得到了包含所有数字的列表。

正则表达式语法

在正则表达式中，除了普通字符，还有一些特殊字符用来描述模式。下面列举一些常用的正则表达式语法。

通配符：. 表示匹配任意字符。
字符集合：[abc] 表示匹配a、b或c中的一个字符；[^abc]表示匹配不是a、b或c的任意一个字符。
数量词：？表示匹配0个或1个前面的字符；+表示匹配1个或多个前面的字符；*表示匹配0个或多个前面的字符；{m,n}表示匹配前面的字符至少m次，最多n次。
边界：^表示匹配字符串的开头；$表示匹配字符串的结尾。

代码示例

下面是一个完整的示例代码，包含了re模块的基础语法和上述常用正则表达式语法。代码从文本中提取了所有的数字，并计算它们的总和。

import re

text = '''
The values are 1, 23, and 456.
There are also negative values such as -1 and -23.
'''

# 匹配所有的数字
pattern = r'-?\d+'
match_list = re.findall(pattern, text)

# 将所有数字转化为整数并求和sum = 0
for num in match_list:
    sum += int(num)

print(f"The sum of all numbers is {sum}.")

输出的结果为：