Zahlen aus Text extrahieren

Zahlen aus einem Absatz zu ziehen ist Alltag für Analysten, Studierende, Journalisten und alle, die einen Bericht als Fließtext statt als Tabelle erben. Dieses Werkzeug durchläuft Ihren Text von links nach rechts und listet jede ganze Zahl und jede Dezimalzahl, einschließlich vorzeichenbehafteter Werte, englischer Tausendergruppierung und wissenschaftlicher Notation, in der Reihenfolge des Auftretens. Es eignet sich, um Mengen aus Statusmeldungen, Labornotizen, satzweise geschriebenen Rechnungen und Changelog-Kurztexten zu holen, ohne eine Tabelle zu öffnen oder einen regulären Ausdruck zu schreiben. Leerer oder fehlender Text scheitert mit ungültiger Eingabe, damit niemand eine stille Nutzlast speichert.

Was als Zahl zählt und wie Token der Reihe nach gelesen werden

Eine Zahl im Fließtext ist nicht dasselbe Objekt wie eine Tabellenzelle. Menschen schreiben 42, 3.14, .75, +2, den Wert -1.5, 1,234.56 und 2e3 im selben Satz und außerdem Bereiche wie Seiten 10-20 sowie Versionszeichenketten wie v1.2.3, die numerisch wirken, aber nicht zu einer einzigen Dezimalzahl verschmelzen dürfen. Diese Fähigkeit durchläuft die Zeichenkette einmal von links nach rechts und behält jedes Token, das unter festen Regeln eine ganze Zahl oder eine Dezimalzahl ist.

Ein führendes Plus oder Minus ist nur am Textanfang oder nach Leerraum bzw. öffnender Interpunktion ein Vorzeichen, sodass eine Änderung von -1.5 vorzeichenbehaftet ist, während der Bereich 10-20 zwei vorzeichenlose ganze Zahlen liefert. Englische Tausendergruppierung wird akzeptiert, wenn Kommas Gruppen von genau drei Ziffern trennen; 1,234,567.89 ist daher ein Wert. Eine Dezimalzahl mit führendem Punkt wie .75 ist zulässig.

Wissenschaftliche Exponenten der Form e oder E plus optionalem Vorzeichen und mindestens einer Ziffer gehören zum selben Token. Mehrpunktfolgen, die wie Softwareversionen oder IPv4-Adressen aussehen, werden in ganzzahlige Bestandteile zerlegt, sodass v1.2.3 zu 1, 2 und 3 wird und nicht zu 1.2 gefolgt von .3. Die Reihenfolge ist stets das erste Auftreten, einschließlich Duplikate, weil ein Bericht, der dieselbe Zahl zweimal wiederholt, etwas anderes sagt als ein Dump einzigartiger Werte.

Eingabevertrag, Antwortfelder und wann die Anfrage abgelehnt wird

Keine Zahlen zu finden ist ein gültiger Erfolg: numbers ist ein leeres Array und count ist null, das ehrliche Ergebnis eines Absatzes, der nur Wörter hat. Nutzen Sie numbers allein, wenn Sie die Zahlen zurück in ein Dokument einfügen wollen. Nutzen Sie values, wenn ein Skript summieren, sortieren oder vergleichen soll.

Weil der Algorithmus reine Zeichenkettenlogik ist, können Tests der kontinuierlichen Integration das volle Objekt festnageln. Halten Sie Nutzlasten bei gewöhnlichen Dokumentgrößen statt Multi-Megabyte-Dumps; dieses Produkt ist ein Textwerkzeug, kein Massenspeicher. Quelltext folgt denselben Aufbewahrungsregeln wie andere KIT-Parse-Elemente.

Typische Einsätze und klare Grenzen

Rufen Sie das kostenlose Werkzeug im Browser auf, um Zahlen aus Text bei Hausaufgaben, Rechnungsausschnitten, Laborheften und schnellen Prüfungen zu holen, ohne in jeder Sprache einen regulären Ausdruck zu schreiben. Ein typischer Ablauf fügt einen Quartalsabsatz ein, listet die Zahlen und kopiert values in ein Blatt. Kombinieren Sie diesen Endpunkt mit einem Betrags-Extraktor, wenn der nächste Schritt Währungen, Steuern und beschriftete Summen sind, oder mit einem Datums-Extraktor, wenn Sie normalisierte Kalenderdaten brauchen statt der rohen Ziffern in einer Datumszeichenkette.

Erwarten Sie von dieser Seite nicht, dass sie klassifiziert, ob eine Zahl ein Preis, eine Menge oder ein Jahr ist — das ist eine andere Suchintention, bedient von strukturierten Extraktoren. Autoren, die SDKs ausliefern, können text als einziges Pflichtfeld dokumentieren, ein Erfolgsbeispiel mit gemischten ganzen Zahlen und Dezimalzahlen sowie ein Fehlerbeispiel leerer Zeichenkette zeigen, damit Integratoren beide Seiten des Vertrags sehen.