【问题标题】：Numbers in a Haystack simplification干草堆简化中的数字
【发布时间】：2017-08-06 18:06:52
【问题描述】：

我正在 Coursera 上一门涉及使用正则表达式的 Python 课程。目的是通过文本和数字文件读取，提取所有数字，并将它们相加。对于示例数据（http://py4e-data.dr-chuck.net/regex_sum_42.txt），我有以下代码：

import re
handle = open("regex_sum_42.txt")
numlist=list()
for line in handle :
    line = line.rstrip()
    stuff = re.findall('([0-9.]+)',line)
    for element in stuff :
        try :
            num = int(element)
            numlist.append(num)
        except :
            continue
print(sum(numlist))

由于“stuff”列表还包括空格（没有数字的行）和“.”，我认为我需要 try/except 行来防止回溯错误。有没有更简单的方法来实现这个程序，而不需要第二个 for 循环？

【问题讨论】：

如果要解析整数，为什么要加.？
您是否也在尝试对浮点数求和？
您的正则表达式不正确。您的模式将匹配一个或多个数字零到九个或一个或多个十进制字符。你可能想要的是更像这样的东西：\d+(.\d+)?。

标签： python

【解决方案1】：

我不明白您为什么在正则表达式中添加一个点 .，因为您的代码和示例数据都表明 (a) 您只想解析整数，并且 (b) 示例文件仅包含整数。

如果你只想解析整数，你可以简单地使用：

import re

rgx = re.compile(r'\-?\d+')

the_sum = 0
with open("regex_sum_42.txt") as handle:
    for line in handle:
        the_sum += sum(int(x) for x in rgx.findall(line))

print(the_sum)

所以我们使用只匹配数字的正则表达式，并且不要将这些数字存储到列表中，因为它只消耗内存。我们可以立即计算那条线的总和，然后将它们相加。正则表达式还包含一个可选符号\-?，因为像-2 这样的负数也是数字。这会产生：

如果允许浮动。问题更难，因为现在取决于您允许的格式。如果您只是允许小数点后跟零个或多个数字，我们可以使用：

import re

rgx = re.compile(r'\-?\d+(?:\.\d*)?')

the_sum = 0
with open("regex_sum_42.txt") as handle:
    for line in handle:
        the_sum += sum(float(x) for x in rgx.findall(line))

print(the_sum)

请注意，我们使用非捕获组 (?:..) 作为正则表达式，否则findall 将仅返回捕获部分（小数点后的内容，包括点）。然后程序产生：

445833.0

单词边界

文本包含一个类似'http://www.py4e.com/code3/' 的sn-ps，这也会将'4' 和'3' 解析为数字。我们可以使用单词边界'\b' 来防止这种情况：

import re

rgx = re.compile(r'\b\-?\d+(?:\.\d*)?\b')

the_sum = 0
with open("regex_sum_42.txt") as handle:
    for line in handle:
        the_sum += sum(float(x) for x in rgx.findall(line))

print(the_sum)

现在它产生了：

445822.0

所以结果和上一个不同，一共是 11 个。

【讨论】：

【解决方案2】：

import re

fh=open("regex_sum_345631.txt")

rd=fh.read()

sums=0

x=re.findall("[0-9]+",rd)

for i in x:
    sums+=int(i)

print(sums)

【讨论】：