Extração Eficiente de Números de Strings em Python

Extrair dados numéricos de strings é uma tarefa comum na programação Python, particularmente na limpeza de dados e na raspagem da web. Este artigo explora vários métodos eficientes e versáteis para alcançar isso, atendendo a diferentes cenários e níveis de complexidade.

Sumário

• Método 1: Aproveitando Expressões Regulares
• Método 2: Utilizando List Comprehension
• Método 3: Combinando filter e isdigit()
• Método 4: Expressões Regulares Avançadas para Padrões Complexos
• Lidando com Variações em Formatos de Números
• Conclusão

Método 1: Aproveitando Expressões Regulares

Expressões regulares (regex) oferecem uma abordagem poderosa e flexível, especialmente para estruturas de strings complexas. O módulo re do Python facilita esse processo.

import re

def extract_numbers_regex(text):
  """Extrai números de uma string usando expressões regulares."""
  numbers = re.findall(r'-?d+(.d+)?', text)  # Combina inteiros e decimais, incluindo números negativos
  return [float(num) for num in numbers]

text = "Há -12 maçãs e 3.14 laranjas, e também 12345."
numbers = extract_numbers_regex(text)
print(numbers)  # Saída: [-12.0, 3.14, 12345.0]

Esta regex melhorada r'-?d+(.d+)?' trata números negativos e decimais de forma eficaz.

Método 2: Utilizando List Comprehension

List comprehension fornece uma solução concisa e Pythonica, ideal para cenários mais simples onde os números são claramente delimitados.

def extract_numbers_list_comprehension(text):
  """Extrai inteiros de uma string usando list comprehension."""
  return [int(c) for c in text if c.isdigit()]

text = "123abc456"
numbers = extract_numbers_list_comprehension(text)
print(numbers)  # Saída: [1, 2, 3, 4, 5, 6]

Este método é eficiente para extrair dígitos individuais, mas pode não ser adequado para números de vários dígitos ou números com pontos decimais.

Método 3: Combinando filter e isdigit()

Esta abordagem funcional usa filter() e isdigit() para uma solução clara e legível, adequada para casos mais simples.

def extract_numbers_filter(text):
  """Extrai inteiros de uma string usando filter e isdigit()."""
  numbers = list(filter(str.isdigit, text))
  return [int(num) for num in numbers]

text = "1a2b3c4d5"
numbers = extract_numbers_filter(text)
print(numbers) #Saída: [1, 2, 3, 4, 5]

Similar à list comprehension, este método extrai dígitos individuais e não trata formatos de números mais complexos.

Método 4: Expressões Regulares Avançadas para Padrões Complexos

Expressões regulares realmente brilham ao lidar com padrões intrincados, como números em notação científica ou com separadores de milhares.

import re

def extract_numbers_complex(text):
    """Extrai números (incluindo notação científica) de uma string usando regex."""
    numbers = re.findall(r'-?d+(?:,d{3})*(?:.d+)?(?:[eE][+-]?d+)?', text)
    return [float(num.replace(',', '')) for num in numbers]

text = "O preço é $1,234.56 e a quantidade é 1.23e-5. Outro preço é 100,000"
numbers = extract_numbers_complex(text)
print(numbers) # Saída: [1234.56, 1.23e-05, 100000.0]

Esta regex trata vírgulas como separadores de milhares e notação científica. O replace(',', '') remove vírgulas antes da conversão para float.

Lidando com Variações em Formatos de Números

Para se adaptar a vários formatos, considere estes pontos:

• Números negativos: Inclua -? no início do seu padrão regex (por exemplo, r'-?d+').
• Notação científica: Adicione (?:[eE][+-]?d+)? para lidar com expoentes (como mostrado no Método 4).
• Separadores de milhares: Use (?:,d{3})* para combinar separadores de milhares opcionais (como mostrado no Método 4).
• Símbolos monetários: Pré-processe sua string para remover símbolos monetários antes da extração, ou use uma regex mais complexa.

Conclusão

O método ideal depende da complexidade das suas strings de entrada e da precisão desejada. Para casos simples, list comprehension ou filter podem ser suficientes. No entanto, para robustez e tratamento de diversos formatos de números, expressões regulares são inestimáveis.