具有正则表达式的数值范围 python

Question

所以我正在处理一个文本分析问题，我试图用 Python 中的正则表达式删除 0 到 999 之间的所有数字。我已经尝试使用 Regex Numeric Range Generator 来获取正则表达式，但没有成功。我只能删除所有数字。

我试过几个正则表达式，但都没有用。这是我试过的

# Remove numbers starting from 0 ==> 999
data_to_clean = re.sub('[^[0-9]{1,3}$]', ' ', data_to_clean)

我也试过这个：

# Remove numbers starting from 0 ==> 999
data_to_clean = re.sub('\b([0-9]|[1-8][0-9]|9[0-9]|[1-8][0-9]{2}|9[0-8][0-9]|99[0-9])\b', ' ', data_to_clean)

这个：

^([0-9]|[1-8][0-9]|9[0-9]|[1-8][0-9]{2}|9[0-8][0-9]|99[0-9])$

还有这个：

def clean_data(data_to_clean):
    # Remove numbers starting from 0 ==> 999
    data_to_clean = re.sub('[^[0-9]{1,3}$]', ' ', data_to_clean)  
    return data_to_clean

我有很多数字，但我只需要删除小数点后 3 位的数字并保留其他数字。

感谢您的帮助

Answer 1

我认为您可以结合使用带有单词边界的尝试 (\b) 和最后一次尝试 ([0-9]{1,3})。

因此生成的正则表达式应如下所示：\b[0-9]{1,3}\b

如果您查看演示：regex101。com/r/qDrobh/6 它应该替换所有 1 位、2 位和 3 位数字，并忽略更高的数字和其他单词。

Answer 2

从 0 到 999 的数字是

单个字符[0-9]
两个字符[1-9][0-9]
三个字符[1-9][0-9][0-9]

这给出了一个天真的正则表达式 /\b(?:[0-9]|[1-9][0-9]|[1-9][0-9][0-9])\b/ 但是我们在选项中有重复的字符类所以我们可以将它们分解出来

/(?!\b0[0-9])\b[0-9]{1,3}\b/

它的工作原理是使用否定先行 (?!\b0[0-9]) 检查单词的开头，然后是 0，然后是数字以忽略 01 等，然后查找 1 到三个 0 - 9 字符。因为否定前瞻需要至少 2 个字符，所以单个 0 仍然有效。

Answer 3

您需要在模式字符串前面加上 r 以防止转义，这样 interpeter 就不会用退格键交换 \b。另外，您可以像这样简化模式：

data_to_clean = re.sub(r'\b([0-9]|[1-9][0-9]{1,2})\b', ' ', data_to_clean)

具有正则表达式的数值范围 python

Numeric Ranges with a Regular Expression python

regex

nlp

numeric-ranges

python-3.x