python正则表达式提取/过滤字符串中的数字

背景

• 训练文本分类模型 需要对文本中的数字、特殊符号预处理

思路

1 既然是提取数字，那么数字的形式一般是：整数，小数，整数加小数；

2 所以一般是形如：----.-----；

3 根据上述正则表达式的含义，可写出如下的表达式："\d+.?\d*"；

4 \d+匹配1次或者多次数字，注意这里不要写成*，因为即便是小数，小数点之前也得有一个数字；.?这个是匹配小数点的，可能有，也可能没有；\d*这个是匹配小数点之后的数字的，所以是0个或者多个

code

# -*- coding: cp936 -*-
import re
 
string="A1.45，b5，6.45，8.82"
print(re.findall(r"\d+\.?\d*",string))  # 查找
# ['1.45', '5', '6.45', '8.82']
res = re.sub(r"\d+\.?\d*", "", string)  # 过滤

• 其他 类似：
• 如 过滤中英文标点和特殊符号
• 过滤换行符等特俗符号

# 替换 空格 \t \r \n
import re
 
str1='123  456  7\t8\r9\n10'
str1 = re.sub('[\s+]', '', str1)
print(str1)