异常教程

Python 使用正则表达式从字符串中提取所有数字（建议收藏）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;
  • 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 82w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 2900+ 小伙伴加入学习 ，欢迎点击围观

引言：为什么需要从字符串中提取数字？

在编程和数据分析中，我们经常需要从文本中提取关键信息。例如，从日志文件中提取错误代码，从订单列表中提取价格，或者从网页中提取产品编号。Python 的正则表达式（Regular Expression，简称 regex）是完成这类任务的“瑞士军刀”，尤其在提取数字时，它能高效处理各种复杂场景。

本文将从零开始讲解如何使用 Python 的正则表达式从字符串中提取所有数字，适合编程初学者和中级开发者。通过循序渐进的案例和比喻，你将掌握这一实用技能，并了解其背后的逻辑。

正则表达式基础：理解“模式匹配”的核心

正则表达式是一种描述文本模式的工具，可以理解为“文字游戏规则”。它通过特定符号（元字符）定义搜索规则，例如：

  • \d：匹配任意单个数字（0-9）。
  • .：匹配除换行符外的任意字符。
  • +：匹配前面的字符一次或多次。

比喻：正则表达式就像“文字侦探”

想象你是一位侦探，需要从一段文字中找出所有数字。正则表达式就是你的“通缉令”：

  • \d 是通缉令中的“数字通缉令”；
  • \d+ 则是“连续数字的通缉令”，例如“123”或“4567”；
  • re.findall() 是你的“搜索工具”，根据通缉令抓取目标。

步骤 1：安装和导入 re 模块

Python 内置了 re 模块，用于处理正则表达式。使用前需先导入：

import re

步骤 2：编写正则表达式

基础案例：提取所有连续数字

假设字符串为：

text = "订单号为 12345，总金额为 99.99 美元，折扣码是 ABC123。"

要提取所有连续数字（如 12345、99、99、123），可以使用模式 \d+：

pattern = r"\d+"  
numbers = re.findall(pattern, text)  
print(numbers)  # 输出：['12345', '99', '99', '123']

元字符详解：理解 \d+ 的含义

  • \d：匹配单个数字字符；
  • +：表示“前面的字符可以重复一次或多次”，因此 \d+ 能匹配连续的数字序列。

扩展案例：处理浮点数

如果字符串包含浮点数（如 99.99），\d+ 会将其拆分为 ['99', '99']。要完整提取浮点数，可以调整正则表达式：

pattern = r"\d+\.\d+"  
numbers = re.findall(pattern, text)  
print(numbers)  # 输出：['99.99']

进阶技巧：处理复杂场景

案例 1：排除非数字字符干扰

假设字符串中存在非数字字符，例如：

text = "电话号码：+1-555-123-4567，邮箱：user123@example.com"

目标是提取电话号码中的数字 1234567，但 \d+ 会匹配所有连续数字，包括 1、555、123、4567。此时需要更精确的模式：

pattern = r"(\d{3}-\d{3}-\d{4})"  
full_phone = re.findall(pattern, text)  
print(full_phone)  # 输出：['555-123-4567']  

pattern = r"\d+"  
all_numbers = re.findall(pattern, text)  
print(all_numbers)  # 输出：['1', '555', '123', '4567', '123']

案例 2：处理多行文本

如果文本包含多行，可以添加标志 re.DOTALL 或 re.MULTILINE：

text = """  
第一行：价格是 100  
第二行：折扣后 50  
第三行：总计 150  
"""  

pattern = r"\d+"  
numbers = re.findall(pattern, text)  
print(numbers)  # 输出：['100', '50', '150']

常见问题与解决方案

问题 1：如何匹配科学计数法中的数字？

例如，字符串 "速度为 3.14e5 米/秒" 中的 3.14e5：

text = "速度为 3.14e5 米/秒"  
pattern = r"[-+]?\d*\.\d+([eE][-+]?\d+)?"  # 匹配科学计数法  
numbers = re.findall(pattern, text)  
print(numbers)  # 输出：['3.14e5']

问题 2：如何提取带千位分隔符的数字？

例如 "收入为 1,000,000"：

text = "收入为 1,000,000"  
cleaned = re.sub(r"\D", "", text)  # 移除非数字字符  
print(cleaned)  # 输出：1000000

性能优化与注意事项

1. 预编译正则表达式

如果需要多次使用同一模式，可以预编译以提高效率：

import re  
pattern = re.compile(r"\d+")  
numbers = pattern.findall(text)

2. 注意边界情况

  • 空字符串：re.findall() 返回空列表。
  • 非数字字符串：确保模式不会误匹配（如 r"\d+" 在 "abc" 中返回空列表）。

结论：掌握正则表达式的核心价值

通过本文，你学会了如何用 Python 的正则表达式从字符串中提取数字，并理解了其背后的逻辑。正则表达式不仅是“文本过滤器”，更是解决复杂数据提取问题的工具。

下一步行动建议：

  1. 尝试用正则表达式处理自己的文本数据；
  2. 探索更多元字符（如 ?、*、[]）的用法；
  3. 阅读官方文档或教程，深入理解正则表达式语法。

掌握这项技能后，无论是日志分析、数据清洗还是自动化脚本编写，你都将更加得心应手。

最新发布

查看更多文章