Python 使用正则表达式从字符串中提取所有数字（长文解析）

为什么我们需要从字符串中提取数字？

在实际的编程场景中，字符串处理是一个非常常见的任务。尤其是在处理用户输入、日志分析、数据清洗等任务时，我们常常会遇到一个需求：从一段混杂的字符串中提取出所有的数字。例如，假设你有一个订单号如 "订单号：20230815-987654"，你想从中提取出 20230815 和 987654 两个数字，用于后续的处理或验证。

这时候，正则表达式（Regular Expression，简称 regex）就派上用场了。正则表达式是一种强大的文本匹配工具，能够根据特定的模式从字符串中提取我们需要的数据。在 Python 中，正则表达式主要通过 re 模块来实现。

正则表达式的基本概念

正则表达式是一门独立的语言，但 Python 对它的支持非常强大。简单来说，正则表达式就是一种描述字符串模式的规则。通过这些规则，我们可以完成字符串查找、替换、分割和提取等任务。

例如，\d 是一个正则表达式中的元字符，它表示任意一个数字字符。如果你写成 \d+，就表示匹配一个或多个连续的数字。这正是我们从字符串中提取所有数字的关键点。

Python 使用正则表达式从字符串中提取所有数字

Python 提供了 re.findall() 函数，可以用来查找所有与正则表达式匹配的内容。这个函数返回一个列表，里面包含所有匹配的子串。我们可以使用它来提取字符串中的所有数字。

以下是一个简单的例子：

import re

text = "今天天气不错，温度是25°C。订单号：20230815-987654。折扣是8折。"
numbers = re.findall(r'\d+', text)
print(numbers)  # 输出：['25', '20230815', '987654', '8']

在这个例子中，我们使用了 \d+ 作为正则表达式，表示匹配所有连续的数字。re.findall() 会遍历整个字符串，并将所有符合这个模式的数字提取出来。

为什么要使用 re.findall？

相比 re.search() 或 re.match()，re.findall() 更适合完成“提取所有匹配项”的任务。re.search() 会返回第一个匹配结果，而 re.match() 只匹配字符串的开头部分。如果你想提取所有数字，re.findall() 是最直接的方法。

正则表达式的更多用途

正则表达式不仅可以提取数字，还能处理更复杂的情况，比如只提取整数、提取带小数点的数字，或者提取固定长度的数字。我们将在下文中详细介绍这些用法。

提取所有数字的常见正则表达式写法

在实际开发中，我们可能会遇到各种不同的数字格式，因此需要针对不同的情况进行正则表达式的调整。以下是一些常见的情况和对应的写法：

提取所有整数

import re

text = "收入：12000，支出：-3000，利润：9000"
numbers = re.findall(r'\d+', text)
print(numbers)  # 输出：['12000', '3000', '9000']

注意：这种写法会忽略负号 -。如果你想提取负数，可以使用更复杂的正则表达式。

提取所有正负整数

import re

text = "收入：+12000，支出：-3000，利润：9000"
numbers = re.findall(r'[-+]?\d+', text)
print(numbers)  # 输出：['+12000', '-3000', '9000']

这里的 [-+]? 表示匹配一个可选的负号或正号，\d+ 表示匹配一个或多个数字。

提取小数和浮点数

import re

text = "价格：3.14，折扣：0.8，总价：1234.567"
numbers = re.findall(r'\d+\.\d+', text)
print(numbers)  # 输出：['3.14', '0.8', '1234.567']

这个正则表达式可以匹配类似 3.14 这样的浮点数，但无法处理像 3. 或 .14 这类不完整的数字格式。如果你需要支持这些格式，可以使用更复杂的模式。

实际案例：从文本中提取电话号码中的数字

有时候，我们需要从更复杂的文本中提取数字。例如，从一段包含电话号码、日期、金额等信息的文本中，提取出电话号码中的数字部分。

import re

text = "请拨打 (123) 456-7890 联系我们，或者发邮件到 info@example.com"
numbers = re.findall(r'\d+', text)
print(numbers)  # 输出：['123', '456', '7890']

虽然这个正则表达式提取了所有数字，但它也把日期或地址中的数字一并提取了出来。为了更精确地匹配电话号码，我们可以优化正则表达式：

import re

text = "请拨打 (123) 456-7890 联系我们，或者发邮件到 info@example.com"
numbers = re.findall(r'\d{3} \d{3}-\d{4}', text)
print(numbers)  # 输出：['123 456-7890']

这个正则表达式更精确地匹配了电话号码的格式。当然，电话号码的格式在全球范围内有所不同，但你可以根据自己的需求灵活调整正则表达式。

更进一步：提取多个电话号码

如果你的字符串中包含多个电话号码，正则表达式依然能够很好地处理：

import re

text = "电话1：(123) 456-7890，电话2：(456) 789-1234，电话3：(789) 123-4567"
numbers = re.findall(r'\d{3} \d{3}-\d{4}', text)
print(numbers)  # 输出：['123 456-7890', '456 789-1234', '789 123-4567']

这个例子展示了正则表达式在提取多个匹配项时的强大能力。

高级技巧：提取数字并转换为整数或浮点数

虽然 re.findall() 返回的是字符串列表，但我们通常需要将它们转换为整数或浮点数进行计算。以下是如何将提取到的字符串数字转换为整数和浮点数的示例：

转换为整数

import re

text = "收入：12000，支出：-3000，利润：9000"
numbers = re.findall(r'[-+]?\d+', text)
int_numbers = [int(num) for num in numbers]
print(int_numbers)  # 输出：[12000, -3000, 9000]

转换为浮点数

import re

text = "价格：3.14，折扣：0.8，总价：1234.567"
numbers = re.findall(r'\d+\.\d+', text)
float_numbers = [float(num) for num in numbers]
print(float_numbers)  # 输出：[3.14, 0.8, 1234.567]

这些转换操作非常常见，尤其在进行数据处理或分析时。正则表达式提取数字只是第一步，后续的类型转换才能真正发挥数字的价值。

多种数字格式的提取总结

通过组合不同的正则表达式，你可以应对各种数字提取的需求。

常见错误和注意事项

在使用正则表达式提取数字时，初学者常犯的一些错误包括：

• 忘记使用原始字符串（r''）：在 Python 中，正则表达式建议使用原始字符串，避免转义字符的干扰。
• 忽略负号或小数点：如上文提到的，如果你需要提取负数或小数，正则表达式必须包含这些符号。
• 匹配到不相关的数字：比如在提取电话号码时，如果只用 \d+，可能会匹配到其他不相关的数字。
• 未做类型转换：提取的数字是字符串，如果不转换类型，将无法进行数学计算。

如何避免这些错误？

• 使用 r'\d+' 而不是 '\d+'；
• 根据实际需求选择合适的正则表达式；
• 提取后使用 int() 或 float() 转换类型；
• 配合 re.sub() 清洗数据，确保提取的数字是干净的。

结论

在 Python 中使用正则表达式从字符串中提取所有数字，是一种非常高效且灵活的方式。通过 re.findall() 函数和合适的正则表达式，你可以快速提取出各种格式的数字，包括整数、负数和小数。当然，正则表达式的学习曲线稍高，但只要掌握了基本规则，就能在实际项目中游刃有余地处理各种字符串数据。

希望这篇文章能帮助你更好地理解 Python 使用正则表达式从字符串中提取所有数字的方法。在实际开发中，灵活运用这些技巧，将大大提升你处理文本数据的效率。