数据硝基和正则expression式（Python）

我在MS Excel 2010中有这个专栏，里面有'邮政编码'和'email-id'

我试图从这一栏中提取这些邮政编码 （20530，90012-3308等）。

20530 [e-mail] 20530 [e-mail] 20530 [e-mail] 20530 [e-mail] 20004 [e-mail] 20530 [e-mail] 90012-3308 [e-mail] 90012-3308 [e-mail] 90012 [e-mail] 

我尝试了Python的重新模块。

 import re for i in range(1, 9): Cell(i, 4).value = re.findall(r'\d+', Cell(i, 1).value) #storing result in column4 

我跑在这个列的正则expression式，我得到了这个结果：

 [u'20530'] [u'20530'] [u'20530'] [u'20530'] [u'20004', u'9'] [u'20530', u'8'] [u'90012', u'3308'] [u'90012', u'3308'] [u'90012'] 

如何将结果提取到人类可读的邮政编码表格中？

Answer 1

以下正则expression式将匹配每个string并将邮政编码提取为组1：

 ([\d\-]+)\s+[\w@\.]+ 

下面是Python代码一次提取所有的邮政编码：

 import re text = r''' 20530 [e-mail] 20530 [e-mail] 20530 [e-mail] 20530 [e-mail] 20004 [e-mail] 20530 [e-mail] 90012-3308 [e-mail] 90012-3308 [e-mail] 90012 [e-mail]''' re.compile(r'([\d\-]+)\s+[\w@\.]+').findall(text) 

Answer 2

为什么你不能split ？

 >>> '20530 [e-mail]'.split() ['20530', '[e-mail]'] 

然后抓住第一个元素。

 >>> '20530 [e-mail]'.split()[0] '20530' 

对于你所有的数据：

 l = ['20530 [e-mail]', '20530 [e-mail]', '20530 [e-mail]', '20530 [e-mail]', '20004 [e-mail]', '20530 [e-mail]', '90012-3308 [e-mail]', '90012-3308 [e-mail]', '90012 [e-mail]'] [entry.split()[0] for entry in l] 

结果

 ['20530', '20530', '20530', '20530', '20004', '20530', '90012-3308', '90012-3308', '90012'] 

Answer 3

只是在DataNitro上针对您的原始问题做出附加注释。

像这样做了很多的DataNitro loopinfg，整个列中最有效的阅读方式是：

 l = Cell("A1").vertical # returns a list of all values starting in A1 going down to 1st blank cell 

结合@ cyber的解决scheme两class轮将给你你的答案：

 l = Cell("A1").vertical [entry.split()[0] for entry in l] 

或者如果你喜欢正则expression式的灵活性Johnathan Benn回答becomomes：

 l = Cell("A1").vertical [re.compile(r'([\d\-]+)\s+[\w@\.]+').findall(entry) for entry in l]