在Python中的字符串中将数字与单位分开答案

【问题标题】：Separate number from unit in a string in Python在Python中的字符串中将数字与单位分开
【发布时间】：2010-02-10 20:59:55
【问题描述】：

我有包含数字及其单位的字符串，例如2GB、17 英尺等我想将数字与单元分开并创建 2 个不同的字符串。有时，它们之间有一个空格（例如 2 GB），使用 split(' ') 很容易做到这一点。

当它们在一起时（例如 2GB），我会测试每个字符，直到找到一个字母，而不是一个数字。

s='17GB'
number=''
unit=''
for c in s:
    if c.isdigit():
        number+=c
    else:
        unit+=c

有没有更好的方法？

谢谢

【问题讨论】：

您可能会发现您的方法比正则表达式方法更快，尤其是对于您正在使用的短字符串。

标签： python string units-of-measurement

【解决方案1】：

找到第一个非数字字符就可以跳出循环

for i,c in enumerate(s):
    if not c.isdigit():
        break
number = s[:i]
unit = s[i:].lstrip()

如果你有负数和小数：

numeric = '0123456789-.'
for i,c in enumerate(s):
    if c not in numeric:
        break
number = s[:i]
unit = s[i:].lstrip()

【讨论】：

是的，它适用于正整数。 '-'.isdigit() 也是 False。
缺少单元时代码不会给出错误结果。 '10' -> 数字='1'，单位='0'。要解决这个问题，修改为for i,c in enumerate(s+' '):

【解决方案2】：

您可以使用正则表达式将字符串分组：

>>> import re
>>> p = re.compile('(\d+)\s*(\w+)')
>>> p.match('2GB').groups()
('2', 'GB')
>>> p.match('17 ft').groups()
('17', 'ft')

【讨论】：

要匹配更通用的数字集，包括“6.2”和“3.4e-27”，需要更复杂的正则表达式。太糟糕了 python 没有内置的 scanf 模拟。

【解决方案3】：

tokenize 可以帮忙：

>>> import StringIO
>>> s = StringIO.StringIO('27GB')
>>> for token in tokenize.generate_tokens(s.readline):
...   print token
... 
(2, '27', (1, 0), (1, 2), '27GB')
(1, 'GB', (1, 2), (1, 4), '27GB')
(0, '', (2, 0), (2, 0), '')

【讨论】：

【解决方案4】：

s='17GB'
for i,c in enumerate(s):
    if not c.isdigit():
        break
number=int(s[:i])
unit=s[i:]

【讨论】：

-1 s='17GB' 给出 unit='GB'，即单位前面有一个空格。 unit 需要一个 lstrip，然后你就会得到和我一样的答案。
现在我重新阅读了这个问题，空格的情况是用 split() 处理的，而不是这个代码。我试图把 -1 拿回来，但它不让我。

【解决方案5】：

你应该使用正则表达式，将你想要找出的内容组合在一起：

import re
s = "17GB"
match = re.match(r"^([1-9][0-9]*)\s*(GB|MB|KB|B)$", s)
if match:
  print "Number: %d, unit: %s" % (int(match.group(1)), match.group(2))

根据您要解析的内容更改正则表达式。如果您不熟悉正则表达式，here's 是一个很棒的教程网站。

【讨论】：

【解决方案6】：

>>> s="17GB"
>>> ind=map(str.isalpha,s).index(True)
>>> num,suffix=s[:ind],s[ind:]
>>> print num+":"+suffix
17:GB

【讨论】：

【解决方案7】：

这使用了一种比正则表达式更宽容的方法。注意：这不如发布的其他解决方案性能好。

def split_units(value):
    """
    >>> split_units("2GB")
    (2.0, 'GB')
    >>> split_units("17 ft")
    (17.0, 'ft')
    >>> split_units("   3.4e-27 frobnitzem ")
    (3.4e-27, 'frobnitzem')
    >>> split_units("9001")
    (9001.0, '')
    >>> split_units("spam sandwhiches")
    (0, 'spam sandwhiches')
    >>> split_units("")
    (0, '')
    """
    units = ""
    number = 0
    while value:
        try:
            number = float(value)
            break
        except ValueError:
            units = value[-1:] + units
            value = value[:-1]
    return number, units.strip()

【讨论】：

【解决方案8】：

这种解析器已经集成到Pint：

Pint 是一个 Python 包，用于定义、操作和操作物理数量：一个数值和一个单位的乘积测量。它允许它们之间的算术运算和不同单位之间的转换。

您可以使用pip install pint 安装它。

然后，你可以解析一个字符串，得到想要的值（'magnitude'）和它的单位：

>>> from pint import UnitRegistry
>>> ureg = UnitRegistry()
>>> size = ureg('2GB')
>>> size.m
2
>>> size.u
<Unit('gigabyte')>
>>> size.to('GiB')
<Quantity(1.86264515, 'gibibyte')>
>>> length = ureg('17ft')
>>> length.m
17
>>> length.u
<Unit('foot')>
>>> length.to('cm')
<Quantity(518.16, 'centimeter')>

【讨论】：

【解决方案9】：

如何使用正则表达式

http://python.org/doc/1.6/lib/module-regsub.html

【讨论】：

【解决方案10】：

对于这个任务，我肯定会使用正则表达式：

import re
there = re.compile(r'\s*(\d+)\s*(\S+)')
thematch = there.match(s)
if thematch:
  number, unit = thematch.groups()
else:
  raise ValueError('String %r not in the expected format' % s)

在 RE 模式中，\s 表示“空白”，\d 表示“数字”，\S 表示非空白； * 表示“0 个或多个前面”，+ 表示“1 个或多个前面”，括号括起来“捕获组”，然后由匹配对象上的 groups() 调用返回。（ thematch 是 None 如果给定的字符串不对应于模式：可选的空白，然后是一个或多个数字，然后是可选的空白，然后是一个或多个非空白字符）。

【讨论】：

【解决方案11】：

一个正则表达式。

import re

m = re.match(r'\s*(?P<n>[-+]?[.0-9])\s*(?P<u>.*)', s)
if m is None:
  raise ValueError("not a number with units")
number = m.group("n")
unit = m.group("u")

这将为您提供一个带有可选符号的数字（整数或定点；很难区分科学记数法的“e”与单位前缀），然后是单位，以及可选的空格。

如果您要进行大量比赛，可以使用re.compile()。

【讨论】：

你需要 re.match(r'\s*(?P[-+]?[.0-9]*)\s*(?P.*) ', s)。它在 [.0-9] 之后缺少 *

【解决方案12】：

科学记数法这个正则表达式非常适合我解析可能是科学记数法的数字，并且基于最近关于 scanf 的 python 文档： https://docs.python.org/3/library/re.html#simulating-scanf

units_pattern = re.compile("([-+]?(\d+(\.\d*)?|\.\d+)([eE][-+]?\d+)?|\s*[a-zA-Z]+\s*$)")
number_with_units = list(match.group(0) for match in units_pattern.finditer("+2.0e-1 mm"))
print(number_with_units)
>>>['+2.0e-1', ' mm']

n, u = number_with_units
print(float(n), u.strip())
>>>0.2 mm

【讨论】：

【解决方案13】：

试试下面的正则表达式模式。第一组（任何方式的数字的 scanf() 标记）直接从 re 模块的 python 文档中提取。

import re
SCANF_MEASUREMENT = re.compile(
    r'''(                      # group match like scanf() token %e, %E, %f, %g
    [-+]?                      # +/- or nothing for positive
    (\d+(\.\d*)?|\.\d+)        # match numbers: 1, 1., 1.1, .1
    ([eE][-+]?\d+)?            # scientific notation: e(+/-)2 (*10^2)
    )
    (\s*)                      # separator: white space or nothing
    (                          # unit of measure: like GB. also works for no units
    \S*)''',    re.VERBOSE)
'''
:var SCANF_MEASUREMENT:
    regular expression object that will match a measurement

    **measurement** is the value of a quantity of something. most complicated example::

        -666.6e-100 units
'''

def parse_measurement(value_sep_units):
    measurement = re.match(SCANF_MEASUREMENT, value_sep_units)
    try:
        value = float(measurement[0])
    except ValueError:
        print 'doesn't start with a number', value_sep_units
    units = measurement[5]

    return value, units

【讨论】：