乾草堆簡化中的數字

Question

我正在Coursera中使用正則表達式的Python課程。目的是通過讀取文本和數字文件，提取所有數字並對它們進行求和。對於樣本數據（http://py4e-data.dr-chuck.net/regex_sum_42.txt），我有以下代碼：

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)) 

由於「東西」名單中還包括空空間（線在沒有數字）和，我想我需要嘗試「」 /用於防止回溯錯誤的行除外。有沒有更簡單的方法來實現這個程序，沒有第二個循環？

Answer 1

我不明白爲什麼你把點.放到你的正則表達式中，因爲你的代碼和示例數據都表明（a）你只想解析整數，（b）示例文件只包含整數。

如果你只想解析整數，你可以簡單地使用：

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)

所以我們使用只匹配數字的正則表達式，並且不把這些號碼存儲到一個列表，因爲它的成本只有記憶。我們可以立即計算該行的總和，並將其總和。該正則表達式還包含一個可選標記\-?，因爲像-2這樣的負數也是數字。這隨後產生：

445833 

萬一浮子允許。問題很難，因爲現在取決於你允許的格式。如果你只是允許一個十進制點後跟零個或多個數字，我們可以使用：

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)

請注意，我們使用非捕獲組(?:..)爲正則表達式，否則findall將只返回捕獲部分（小數點後面的內容，點包括在內）。然後程序產生：

445833.0 

字邊界

文本包含像'http://www.py4e.com/code3/'一個片段，而這將解析'4'和'3'的數字爲好。我們可以使用單詞邊界'\b'防止：

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)

現在生產：

445822.0 

所以結果不同與以往，共有11