[Python3] 指定文字列の抽出に関して

Question

下記の様な文字列があります。

0.0- 3.0 sec 8.75 MBytes 24.2 Mbits/sec

MBytes と Mbits/sec 間の数字だけ抽出するにはどのように記述すれば良いでしょうか。
全ての数字の値が可変となる想定のため、インデックスやスライスでは対応できず困っております。

ご存知の方いらっしゃいましたら、ご教授願います。

Answer 1

スペースが常に区切りとして使われるなら、split()で分割するのが適当かと。

Comments

[3265462164]

te2jiさん、ありがとうございます。
もうベストアンサーを決めてしまったので操作が出来ませんが、
そのようなやり方もあるのですね。
調べてみます。
情報ありがとうございました。

Answer 2

こんにちは

正規表現を使って以下でいかがでしょうか？

import re

text = '0.0- 3.0 sec  8.75 MBytes  24.2 Mbits/sec'

m = re.search(r'MBytes\s+(\d+.\d+)\s+Mbits/sec', text)

if m:
    x = float(m.group(1))
    print(x) # => 24.2

• 動作確認用 Repl.it: https://repl.it/@jun68ykt/Q230668

ただし、上記では、取り出したい数値を構成する文字列は、

• 小数点を１個だけ常に含む。
• 小数点の前に必ず１個以上の数字がある。
• 小数点以下に必ず１個以上の数字がある。

ことを前提にした正規表現になっているので、他の形式（24 や 1.5E3 など ）もあり得るのであれば、\d+.\d+ の部分を修正する必要がありますが、見たところ単位が Mbits/sec という通信速度なので、 （とり急ぎ）\d+.\d+ でいけるのではと思った次第です。

Comments

[3265462164]

jun68yktさん、ありがとうございました。
私には少し難しいのですが、教えていただいた正規表現で記述してみようと思います。
どうもありがとうござました！

[jun68ykt]

どういたしまして。参考になれば幸いです。

Answer 3

正規表現で。

>>> import re
>>>
>>> src = '0.0- 3.0 sec  8.75 MBytes  24.2 Mbits/sec'
>>> dst = re.search(r'MBytes +([0-9.]+) +Mbits', src).group(1)
>>>
>>> print(type(dst), dst)
<class 'str'> 24.2

指数表記 (2.42e+1) にも対応するなら、[0-9.]+ の代わりに [0-9.e+-]+ を使えば良いです。

この場合 1+2-3 とかにもマッチしてしまうので、数値の妥当性は別途確認する必要があります。
簡単には float 関数に文字列を食わせたときの例外の有無で判断すれば良いでしょう。

Comments

[3265462164]

LouiS0616さん、ありがとうございました。
正規表現、参考になりました。

Answer 4

... インデックスやスライスでは対応できず ...

文字列を適切な文字で split すれば、単語の配列にできます。

$ poython3
>>> s = "0.0- 3.0 sec  8.75 MBytes  24.2 Mbits/sec"
>>> s
'0.0- 3.0 sec  8.75 MBytes  24.2 Mbits/sec'
>>> words = s.split(" ")
>>> words
['0.0-', '3.0', 'sec', '', '8.75', 'MBytes', '', '24.2', 'Mbits/sec']
>>> 
~~~

求める数字列が何番目の単語かが決まっているなら, その単語をとりっだしてから、float() で数字として取り出せます。
今の場合だと、 "Mbits/sec" を探して、その一つ前の単語をとりだしてから float() しても良さそうです。

Comments

[3265462164]

katoyさん、ありがとうございます。
色々な記述方法があるのですね。
splitにての単語の配列、参考にさせていただきます。