将所有数值替换为格式化字符串

Question

我想做的是：

找出字符串中的所有数值。你知道吗

input_string = "高露潔光感白輕悅薄荷牙膏100   79.80"

numbers = re.finditer(r'[-+]?[0-9]*\.?[0-9]+(?:[eE][-+]?[0-9]+)?',input_string)

for number in numbers:
    print ("{}    start > {}, end > {}".format(number.group(), number.start(0), number.end(0)))

'''Output'''
>>100    start > 12, end > 15
>>79.80    start > 18, end > 23

然后我想把所有的整数和浮点值替换成某种格式：

INT_(number of digit)和FLT(number of decimal places)

例如100 -> INT_3 // 79.80 -> FLT_2

因此，expect输出字符串如下所示：

"高露潔光感白輕悅薄荷牙膏INT_3   FLT2"

但是Python中的string replace substring方法有点奇怪，它不能存档我想做的事情。你知道吗

所以我尝试使用substring-append-substring方法

string[:number.start(0)] + "INT_%s"%len(number.group()) +.....

这看起来很愚蠢，而且最重要的是我仍然不能让它工作。你知道吗

有人能就这个问题给我一些建议吗？你知道吗

Answer 1

你需要把正则表达式的各个部分像这样分组

import re

def repl(m):
    if m.group(1) is None: #int
        return ("INT_%i"%len(m.group(2)))        
    else: #float
        return ("FLT_%i"%(len(m.group(2))))

input_string = "高露潔光感白輕悅薄荷牙膏100   79.80"

numbers = re.sub(r'[-+]?([0-9]*\.)?([0-9]+)([eE][-+]?[0-9]+)?',repl,input_string)        

print(numbers)

• 组0是匹配的整个字符串（可用于放入float或int）
• 组1是.之前的任何数字，如果.本身存在，则它是None
• 组2是.后面的所有数字，如果它存在，否则它就是所有数字
• 组3是指数部分，如果存在else None

你可以从中得到一个python数字

def parse(m):
    s=m.group(0)
    if m.group(1) is not None or m.group(3) is not None: # if there is a dot or an exponential part it must be a float
        return float(s)
    else:
        return int(s)

Answer 2

您可能正在寻找下面的代码（当然还有其他方法）。这一个只是从你正在做的事情开始，并展示如何做到这一点。你知道吗

import re
input_string = u"高露潔光感白輕悅薄荷牙膏100   79.80"

numbers = re.finditer(r'[-+]?[0-9]*\.?[0-9]+(?:[eE][-+]?[0-9]+)?',input_string)

s = input_string
for m in list(numbers)[::-1]:
    num = m.group(0)
    if '.' in num:
        s = "%sFLT_%s%s" % (s[:m.start(0)],str(len(num)-num.index('.')-1),s[m.end(0):])
    else:
        s = "%sINT_%s%s" % (s[:m.start(0)],str(len(num)), s[m.end(0):])
print(s)

这看起来可能有点复杂，因为确实有几个简单的问题需要解决。你知道吗

例如，您最初的正则表达式会同时找到int和float，但是您需要在之后应用完全不同的替换。如果你一次只做一件事，这会更简单。但是，由于float的某些部分可能看起来像int，一次执行所有操作可能不是一个坏主意，您只需了解这将导致二次检查来区分这两种情况。你知道吗

另一个更基本的问题是，实际上您不能替换python字符串中的任何内容。Python字符串是不可修改的对象，因此您必须创建一个副本。无论如何，这是好的，因为格式更改可能需要插入或删除字符，而就地替换将没有效率。你知道吗

最后一个需要考虑的问题是，替换必须向后进行，因为如果更改字符串的开头，匹配位置也会更改，下一个替换将不在正确的位置。如果我们向后做，一切都好。你知道吗

当然，我同意使用re.sub()要简单得多。你知道吗

Answer 3

使用re.sub和内部的回调方法，可以对匹配项执行各种操作：

import re
def repl(match):
    chunks = match.group(1).split(".")
    if len(chunks) == 2:
        return "FLT_{}".format(len(chunks[1]))
    else:
        return "INT_{}".format(len(chunks[0]))

input_string = "高露潔光感白輕悅薄荷牙膏100   79.80"
result = re.sub(r'[-+]?([0-9]*\.?[0-9]+)(?:[eE][-+]?[0-9]+)?',repl,input_string)
print(result)

参见Python demo

详细信息：

• regex现在在数字部分（([0-9]*\.?[0-9]+)）上有一个捕获组，这将在repl方法中进行分析
• 在repl方法中，第1组内容被.拆分，以查看是否有浮点/双精度，如果是，则返回小数部分的长度，否则返回整数的长度。你知道吗