Trova tutte le occorrenze di intero all'interno del testo in Python

Question

il mio scopo di questo codice è estrarre tutti gli interi dal testo e sommarli insieme.

Sono stato alla ricerca di soluzioni per estrarre tutti gli interi in una riga di testo. Ho visto alcune soluzioni che suggeriscono di utilizzare \D e \b, ho appena iniziato con le espressioni regolari e ancora non ho familiarità con come può inserirsi nel mio codice. Si prega di aiutare :(

import re 
import urllib2 

data = urllib2.urlopen("http://python-data.dr-chuck.net/regex_sum_179860.txt") 
aList = [] 

for word in data: 
    data = (str(w) for w in data) 
    s = re.findall(r'[\d]+', word) 
    if len(s) != 1: continue 
    num = int(s[0]) 
    aList.append(num) 

print aList 

Answer 1

Puoi farlo riga per riga, chiamare findall utilizzando il modello "\d+" per una o più cifre ed estendere la vostra lista di uscita:

import re 
import urllib2 

data = urllib2.urlopen("http://python-data.dr-chuck.net/regex_sum_179860.txt") 
r = re.compile("\d+") 
l = [] 
for line in data: 
    l.extend(map(int,r.findall(line))) 

uscita:

[3524, 9968, 6177, 3133, 6508, 7940, 3738, 1112, 6179, 4570, 6127, 9150, 9883, 418, 3538, 2992, 8527, 1150, 2049, 2834, 2630, 3840, 2638, 3800, 9144, 5866, 6742, 588, 6918, 7802, 8229, 7947, 8992, 1339, 
2119, 846, 3820, 4070, 9356, 9708, 3238, 9380, 5572, 9491, 3038, 
7434, 7771, 288, 8632, 3962, 9136, 8106, 7295, 3699, 4136, 3459, 8120, 
6018, 8963, 5779, 3635, 3984, 4850, 9633, 2588, 7631, 9591, 1067, 
7182, 1301, 8041, 1361, 5425, 8326, 7094, 8155, 2581, 7199, 6125, 42] 

Puoi anche usare str.isdigit:

l = [] 
for line in data: 
    l.extend(map(int,(w for w in line.split() if w.isdigit()))) 

Se si desidera solo per sum i numeri, non è necessario memorizzare tutti i numeri a tutti:

print(sum(sum(map(int,(w for w in line.split() if w.isdigit()))) for line in data)) 

uscita:

435239 

o utilizzando un regex:

print(sum(sum(map(int,r.findall(line))) for line in data)) 

P robably irrilevante nel tuo caso, ma se si voleva evitare eventuali liste intermedie usando python2 è possibile utilizzare itertools.imap:

from itertools import imap 
print(sum(sum(imap(int,r.findall(line))) for line in data)) 

Answer 2

1. È necessario chiamare read del valore di ritorno della urllib2.urlopen; Il valore di ritorno di urllib2.urlopen non è una stringa, ma
2. applicare solo un oggetto di connessione (oggetto simile a file) re.findall al data.
3. parentesi quadre intorno \d non sono necessari.

---

import re 
import urllib2 

data = urllib2.urlopen("http://python-data.dr-chuck.net/regex_sum_179860.txt").read() 
int_list = map(int, re.findall(r'\d+', data)) 

---

>>> int_list 
[3524, 9968, 6177, 3133, 6508, 7940, 3738, 1112, 6179, 4570, 6127, 9150, 
9883, 418, 3538, 2992, 8527, 1150, 2049, 2834, 2630, 3840, 2638, 3800, 
9144, 5866, 6742, 588, 6918, 7802, 8229, 7947, 8992, 1339, 2119, 846, 
3820, 4070, 9356, 9708, 3238, 9380, 5572, 9491, 3038, 7434, 7771, 288, 
8632, 3962, 9136, 8106, 7295, 3699, 4136, 3459, 8120, 6018, 8963, 5779, 
3635, 3984, 4850, 9633, 2588, 7631, 9591, 1067, 7182, 1301, 8041, 1361, 
5425, 8326, 7094, 8155, 2581, 7199, 6125, 42] 

Answer 3

Dal momento che lei ha citato si voleva sommare tutti i numeri interi, questo funzionerà in Python 3 (come urllib2 è stato diviso tra diverse moduli in Python 3 denominati urllib.request e urllib.error):

from urllib import request 
import re 


data = request.urlopen("http://python-data.dr-chuck.net/regex_sum_179860.txt") 

result = 0 

for word in data: 
    result += sum([int(x) for x in re.findall(r'\d+', str(word))]) 

print(result)