Python正则表达式删除除4个数字以外的所有字符

Question

+1511
0716
+4915 CZECHY
+3815/0616 PORT MO,
AO
_3615 USA *, SUV run on flat
+4515 PORT SUV
*, SUV
+3215 USA *, SUV
+4414
+4815 NIEM
_0616 NIEM  * / MO
+2115 NIEM J

我只需要得到前4位数字

+3715 NIEM

请帮忙。你知道吗

Answer 1

您没有很好地描述您的数据，但看起来您有两种类型的行：

(one or zero characters)(four digits)(other stuff)

或者

(other stuff with no set of four digits)

我建议使用re包。Here是python3中模块的文档，您应该阅读这些文档，以便将来能够自己解决这些问题。你知道吗

我假设您的所有行都在一个名为lines的列表（或其他iterable）中：

import re
regex = re.compile(r'^.?([0-9]{4})')
for line in lines:
    match = regex.match(line)
    if match:
        number = match.group(0)
        # Do stuff with `number`, which is a string.

这假设在四位数之前只有一个字符，并且您不关心后面的内容。你知道吗

如果您只是想要出现的任何前四位数字（预先有任意数量的字符），您可以使用regex = re.compile(r'[0-9]{4}')。你知道吗

---

正则表达式的工作原理

第一个正则表达式是^.?([0-9]{4}。我来给你解释一下，因为我猜你对regex还不熟悉。你知道吗

• ^匹配行的开头
• .只匹配一次任何字符
• ?表示使上一个匹配0或1次
  • 所以.?说“最多给我一个我不认识的字符”
• ()圆括号用于分组，它告诉regex引擎“进行匹配，但让我自己访问这些内容”
• []用于指定字符的类；引擎将匹配括号内的一个字符
  • [0-9]是数字的字符类：-匹配ASCII排序中包含的所有内容（我相信）
• {N}指定将前一件事精确地重复N次
  • [0-9]{4}说“给我四位数”

当我们把它放在一起作为^.?([0-9]{4})时，我们实际上是在对regex引擎说：“给我一个从行首开始的字符串，可能在行首有一个额外的字符，然后紧接着有四个数字。不过，我真的只关心数字，所以让我直接访问这些数字。”