Python字符串中数字与文字数字的鲁棒提取教程

tmp_string = line.strip()
tmp_string = tmp_string.replace("nine", "9")
tmp_string = tmp_string.replace("eight", "8")
# ...
tmp_string = tmp_string.replace("one", "1")

import re

def extract_calibration_value(line: str) -> int:
    """
    从字符串中提取第一个和最后一个数字（阿拉伯数字或拼写数字），
    并将其组合成一个两位数。
    能够处理重叠的拼写数字。
    """
    # 建立拼写数字到阿拉伯数字的映射
    word_to_digit = {
        'one': '1', 'two': '2', 'three': '3', 'four': '4',
        'five': '5', 'six': '6', 'seven': '7', 'eight': '8', 'nine': '9'
    }

    # 构建正则表达式模式。
    # (?=...) 是一个正向先行断言，它允许匹配重叠的模式。
    # 例如，对于 "twone"，(?=(\d|two|one)) 可以匹配到 "two" 和 "one"。
    # 我们捕获实际的匹配内容在第1组中。
    pattern = r'(?=(\d|one|two|three|four|five|six|seven|eight|nine))'

    # 查找所有匹配项，不区分大小写
    matches = re.findall(pattern, line.lower())

    if not matches:
        # 如果没有找到任何数字，根据需求返回0或抛出异常
        return 0

    # 将匹配到的单词转换为数字
    converted_digits = []
    for match in matches:
        if match.isdigit():
            converted_digits.append(match)
        else:
            converted_digits.append(word_to_digit[match])

    # 提取第一个和最后一个转换后的数字
    first_digit = int(converted_digits[0])
    last_digit = int(converted_digits[-1])

    # 组合成两位数
    return first_digit * 10 + last_digit

# 示例测试
test_lines = [
    "two1nine",
    "eightwothree",
    "abcone2threexyz",
    "xtwone3four",
    "4nineeightseven2",
    "zoneight234",
    "7pqrstsixteen"
]

print("--- 正则表达式方案测试 ---")
for i, line in enumerate(test_lines):
    value = extract_calibration_value(line)
    print(f"  Line {i+1}: '{line}' -> {value}")

pip install word2number

from word2number import w2n

def words_to_digits(value: str):
    """
    使用 word2number 库将完整的英文数字短语转换为数值。
    """
    try:
        number = w2n.word_to_num(value)
        return number
    except ValueError:
        return None

print("\n--- word2number 库示例 ---")
# 示例：转换完整的数字短语
print(f"'eighty three' -> {words_to_digits('eighty three')}") # 输出: 83
print(f"'one hundred twenty-three' -> {words_to_digits('one hundred twenty-three')}") # 输出: 123
print(f"'seven' -> {words_to_digits('seven')}") # 输出: 7

# 尝试转换非完整数字短语，会失败
print(f"'eightwothree' -> {words_to_digits('eightwothree')}") # 输出: None (或抛出异常，取决于具体版本)
print(f"'two1nine' -> {words_to_digits('two1nine')}") # 输出: None

import re
import os # 导入os模块用于检查文件是否存在

def extract_calibration_value(line: str) -> int:
    """
    从字符串中提取第一个和最后一个数字（阿拉伯数字或拼写数字），
    并将其组合成一个两位数。
    能够处理重叠的拼写数字。
    """
    word_to_digit = {
        'one': '1', 'two': '2', 'three': '3', 'four': '4',
        'five': '5', 'six': '6', 'seven': '7', 'eight': '8', 'nine': '9'
    }

    # 构建正则表达式模式，使用正向先行断言 (?=...) 处理重叠匹配
    pattern = r'(?=(\d|one|two|three|four|five|six|seven|eight|nine))'

    matches = re.findall(pattern, line.lower())

    if not matches:
        return 0 # 如果没有找到任何数字，返回0

    converted_digits = []
    for match in matches:
        if match.isdigit():
            converted_digits.append(match)
        else:
            converted_digits.append(word_to_digit[match])

    first_digit = int(converted_digits[0])
    last_digit = int(converted_digits[-1])

    return first_digit * 10 + last_digit

def main():
    # 提示用户输入文件名
    nomFichier = input('请输入文件名 (例如: input.txt): ')

    if not nomFichier:
        print("未输入文件名，程序退出。")
        return

    if not os.path.exists(nomFichier):
        print(f"错误: 文件 '{nomFichier}' 不存在。")
        return

    print(f"正在打开文件: {nomFichier}")

    total_sum = 0
    try:
        with open(nomFichier, 'r', encoding='utf-8') as file1: # 使用with语句确保文件正确关闭，并指定编码
            lines = file1.readlines()

            for line_num, line in enumerate(lines):
                clean_line = line.strip() # 移除行首尾的空白字符和换行符
                if not clean_line: # 跳过空行
                    continue

                value = extract_calibration_value(clean_line)
                print(f"  处理行 {line_num + 1}: '{clean_line}' -> 提取值: {value}")
                total_sum += value

        print(f"\n文件 '{nomFichier}' 的总和为: {total_sum}")

    except Exception as e:
        print(f"处理文件时发生错误: {e}")

if __name__ == "__main__":
    main()