删除非数字字符，包括构成URL的数字

Question

我有一个字符串，它由一组数字和一个URL组成。我只需要所有数字字符，除了附加到URL的字符。下面是我删除所有非数字字符的代码，但它不会从URL中删除数字

test = '4758 11b98https://www.website11/111'
re.sub("[^0-9]","",test)

expected result: 47581198

Answer 1

请检查以下表达式：

y=re.compile('([0-9]+)(?=.*http)')
tokens = y.findall(test)
print(''.join(tokens))

Answer 2

原始答案

改变策略，只保留领先数字而忽略其余数字要容易得多：

import re
test = '47581198https://www.website11/111'
re.findall(r'^\d+', test)[0]

或者，如果不确定前导数字是否存在，则使用匹配：

m = re.match(r'\d+', test)
if m:
    m = m.group()

输出：'47581198'

问题更改后编辑

如果您确定“http://”字符串不能是您的初始数字

然后您需要两个过程，一个用于删除URL，另一个用于清除数字

test = '4758 11b98https://www.website11/1111'
re.sub('\D', '', re.sub('https?://.*', '', test))

输出：'47581198'

Answer 3

您可以匹配包含https://或http://的字符串，以不捕获附加到它的数字，并使用替代|来捕获组1中的其他数字

然后在输出中，用空字符串连接组1中的所有数字

https?://\S+|(\d+)

Regex demoPython demo

比如说

import re

pattern = r"https?://\S+|(\d+)"
s = "4758 11b98https://www.website11/111"

print(''.join(re.findall(pattern, s)))

输出

47581198