从文件标题中提取可变长度数的算法

Question

我有一个400,000个文件名的列表(在excel中列)。

xxx.Number.Date.zzz.txt

我想从字符串中提取数字

通常，我会把它设置为在字符串中取第五个到第九个字符，但是数字的长度是不同的(2-4位数字)，我不知道如何设计一个算法来判断这个数字的长度。

如果有人感兴趣的话，可以使用python3，但是我真的需要帮助处理伪代码

我看了前面这个问题，但是它并没有用我能用的术语来回答这个问题，因为它似乎是在使用bash函数，或者我不明白其中的解释：

从字符串中提取可变长度的数目

Answer 1

如果文件的格式总是xxx.Number.Date.zzz.txt，而且我们只关心Number，那么您可以将字符串转换为列表，然后提取该列表的第一个元素。示例：

file = "xxx.4432.Date.zzz.txt"
num = file.split(".")[1]
print(num) # prints 4432

您可以在一个循环中编写它来遍历Excel列(如果还没有，请查看开吡咯 )。

Answer 2

您可以使用正则表达式(在大多数语言中都可用)：

.*?\.(\d+)\.

与前两个点之间的数字相匹配：

import re
re.match('.*?\.(\d+)\.', 'xxx.12345.Date.zzz.txt').group(1)
#'12345'

关于regex101的解释。

这也可以用纯Python完成(很容易翻译到其他语言)：

s = 'xxx.12345.Date.zzz.txt'
out = ''
in_num = False
for c in s:
    if in_num:
        if c == '.':
            break
        out += c
    elif c == '.':
        in_num = True

给予out as：'12345'。

注意，使用第二种方法，我们不会验证第一个句号之间的字符是数字。