如何在未知传入格式的字符串中随机分配数字？

如何解决如何在未知传入格式的字符串中随机分配数字？

对于NLP项目，我需要根据训练示例生成随机数字符串以用于训练。数字以字符串形式出现（来自OCR）。让我在这里将问题陈述限制为百分比值，到目前为止，观察到的格式包括以下格式或指出格式功能的任何有意义的组合：

'60'       # no percentage sign,precision 0,no other characters
'60.00'    # no percentage sign,precision 2,dot for digit separation
'60,000'   # no percentage sign,precision 3,comma for digit separation
'60.0000'  # no percentage sign,precision 4,dot for digit separation
'60.00%'   # same as above,with percentage sign
'60.00 %'  # same as above,with whitespace
'100%'     # three digits,zero precision,percentage sign
'5'        # single digit
'% 60'     # percentage sign in front of the number,whitespace

我的目标是在保留每个字符格式的同时将数字随机化（例外：由于将5.6随机化为18.7或100.0时数字位数不同，反之亦然）。百分比值的值应介于0到100之间。我需要一些示例：

input  = '5'  # integer-like digit
output = [  '7','18','100'] 

input  =  '100.00 %' # 2-precision float with whitespace & percentage sign
output = [  '5.38 %','38.05 %','100.00 %']  

inpput =  '% 60,000' # percentage sign,whitespace,4-precision float,comma separator
output = ['% 5,5348','% 48,7849','% 100,0000'] 

我该怎么做？解决方案可以是概念性或代码示例。 解决方案需要反映出可能出现在实际数据中的格式

到目前为止，我所知道的最好的办法是针对我能想到的每种格式变体强行手写if子句。

解决方法

以下内容似乎适用于您提供的示例输入。我们只想查找前导整数和可能的分隔符，然后再输入更多的数字。实际上，我们实际上不需要查找任何空格或百分号，因为无论如何，我们仅对替换任何给定匹配项中的数字感兴趣。让我知道是否错过了一些事情：

import re

pattern = "\\d{1,3}((?P<separator>[,.])(?P<floating>\\d+))?"

strings = (
    "60","60.00","60,000","60.0000","60.00%","60.00 %","100%","5","% 60","% 60,000"
)

def randomize(match):
    from random import uniform

    integer,floating = divmod(uniform(0,100),1)

    def get_chars():
        yield str(int(integer))
        if match.group("separator") is not None:
            yield match.group("separator")
            precision = len(match.group("floating"))
            yield f"{{:.{precision}f}}".format(floating)[2:]
    return "".join(get_chars())
        
    

for string in strings:
    print(re.sub(pattern,randomize,string))

输出：

29
95.08
51,507
9.1783
0.80%
6.56 %
16%
22
% 27
% 93,174
>>> 

,

可以调用以下函数来生成您所需要的随机数。您可以对其进行进一步修改，以使其最适合您的情况。

import numpy as np
def random_gen():
    precison = np.random.randint(0,6)
    val = np.random.uniform(0,100)
    val = round(val,int(precison))
    val = str(val)
    
    white_space = np.random.randint(0,3)
    rand_index = np.random.randint(0,len(val))
    val = val[0:rand_index] + ' '*white_space + val[rand_index:]
    
    if np.random.randint(0,2) > 0:
        if np.random.randint(0,2) > 0:
            val = val + "%"
        else:
            val = "%" + val
    return val

random_gen()