python - 使用正则表达式提取特定单词之前的数字

Question

目标

提取单词hours、hour、day或days之前的数字

1. 如何使用|来匹配单词？

s = '2 Approximately 5.1 hours 100 ays 1 s'
re.findall(r"([\d.+-/]+)\s*[days|hours]", s) # note I do not know whether string s contains hours or days

返回

['5.1', '100', '1']

由于 100 和 1 不在确切的单词时间之前，因此它们不应显示。预计

5.1

如何从匹配结果中提取第一个数字

s1 = '2 Approximately 10.2 +/- 30hours'
re.findall(r"([\d. +-/]+)\s*hours|\s*hours", s)

返回

['10.2 +/- 30']

期待

10.2

请注意，特殊字符 +/-. 是可选的。当 . 出现时，例如 1.3，1.3 需要与 . 一起显示。但是，当 1 +/- 0.5 发生时，需要提取 1，并且不应提取任何 +/-。

我知道我可能可以进行拆分，然后取第一个数字

str(re.findall(r"([\d. +-/]+)\s*hours", s1)[0]).split(" ")[1]

给予

'10.2'

但有些结果只返回一个数字，因此拆分会导致错误。我应该通过另一步骤执行此操作还是可以一步完成此操作？

请注意，这些字符串 s1、s2 是数据帧中的值。因此，需要使用 apply 和 lambda 等函数进行迭代。

Answer 1

事实上，我会在这里使用re.findall:

units = ["hours", "hour", "days", "day"]   # the order matters here: put plurals first
regex = r'(?:' + '|'.join(units) + r')'
s = '2 Approximately 5.1 hours 100 ays 1 s'
values = re.findall(r'\b(\d+(?:\.\d+)?)\s+' + regex, s)
print(values)  # prints [('5.1')]

如果您想还捕获正在使用的单位，则进行单位交替捕获，即使用:

regex = r'(' + '|'.join(units) + r')'

那么输出将是:

[('5.1', 'hours')]