使用正则表达式清洗字符串

如果您想参加我们的免费 R 入门课程，请点击此链接。

从字符串中提取数值

从字符串中提取数字是一项常见任务，尤其是在处理非结构化数据或日志文件时。

假设您有如下字符串：'the recipe calls for 6 strawberries and 2 bananas'。

提取出其中的 6 和 2 会很有用，例如后续用来比较草莓与香蕉的比例。

当使用正则表达式提取多个数字（更准确地说，是多个模式匹配）时，您可以使用 re.findall() 函数。Dan 在视频中没有讨论这一点，但用法很直接：将模式与字符串传给 re.findall()，它会返回所有匹配项组成的列表。

操作指南

• 导入 re。
• 编写一个模式，在以下字符串中找到所有数字：'the recipe calls for 10 strawberries and 1 banana'。为此：
  • 使用 re.findall() 函数，并传入两个参数：模式，其次是字符串。
  • \d 是匹配数字所需的模式。其后应加上 +，表示前一个元素匹配一次或多次。这样可以确保将 10 视为一个数字，而不是 1 和 0。
• 打印匹配结果，确认您的正则表达式找到了 10 和 1。

         # Import the regular expression module
         ____

         # Find the numeric values: matches
         matches = re.findall('____', '____')

         # Print the matches
         print(____)

         

如果理解了，请继续下一道练习！如果还不太清楚，请观看下面的概览视频。

在 Python 中使用正则表达式清洗字符串的概览视频

模式匹配

在本练习中，您将继续练习正则表达式技能。针对提供的每个字符串，您的任务是编写相应的匹配模式。

操作指南

• 编写用于匹配以下内容的模式：
  • 格式为 xxx-xxx-xxxx 的电话号码。您已在前一练习中完成过。
  • 格式为：一个美元符号，任意位数的数字，一个小数点，2 位数字的字符串。
    • 使用 \$ 匹配美元符号，\d* 匹配任意位数的数字，\. 匹配小数点，\d{x} 匹配 x 位数字。
• 一个大写字母，后接任意数量的字母数字字符。
  • 使用 [A-Z] 匹配任意大写字母，后接 \w* 匹配任意数量的字母数字字符。

          # Write the first pattern
          pattern1 = bool(re.match(pattern='____', string='123-456-7890'))
          print(pattern1)

          # Write the second pattern
          pattern2 = bool(re.match(pattern='____', string='$123.45'))
          print(pattern2)

          # Write the third pattern
          pattern3 = bool(re.match(pattern='____', string='Australia'))
          print(pattern3)
          

如果您想进一步学习本课程，这里有链接。

查看 DataCamp 的Python 字符串教程。