Python3提取字符串中数字的两种实用方法解析

在浏览技术博客时，看到一篇关于解决 ValueError: invalid literal for int() with base 10 错误的文章。博主提出的解决方案是运用 re.sub 方法。

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

但该文章未深入解释其具体含义，因此查阅相关资料并整理记录如下：

查阅 Python3.5.2 官方文档中关于 re 模块 sub 函数的定义，其核心逻辑如下：

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

该函数会在字符串 string 中查找所有匹配正则表达式 pattern 的子串，并使用另一个字符串 repl 进行替换。若未找到匹配项，则直接返回原始未修改的 string。参数 repl 既可以是字符串，也可以是函数。

基于上述定义，可以分析前文示例语句的含义：在字符串 '100abc' 中，利用正则表达式中的 '\D'（代表非数字字符）匹配所有非数字部分，并将其替换为空字符串 ""。最终返回的结果即为仅包含数字的字符串。

>>> totalCount = '100abc'

>>> totalCount = re.sub("\D", "", totalCount)

>>> print(totalCount)

100

>>> type(totalCount)

<class 'str'> 

上述原理说明完毕。此外，笔者在爬取知乎关注的问答内容时，也遇到了类似的数据处理问题：

 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 

代码中的第三行之所以能成功使用 int() 转换，是因为 string.split()[0] 将变量 answer_num_get 的值 "32 个回答" 中的数字部分提取出来（注："32" 后方存在一个空格，这一细节至关重要，因为从知乎抓取回来的该元素确实包含此空格）。

这里涉及 split() 方法的定义：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'
>>> 

由此可见，split() 的第一个参数用于指定分隔符。若不提供任何参数，则默认以空格作为分隔符进行切割。

第一种方法依赖正则表达式，而第二种方法则需要数据中包含明确的分隔符（推测原网页总答案数数字后存在空格是此方法生效的原因）。这两种方法均存在一定的局限性，目前尚不清楚是否有更优的字符串数字分离方案。

以上即为本文的全部内容，希望对各位的学习有所帮助，也欢迎大家继续支持本站。