如何用正则表达式提取下文中自然灾害的次数？

欲提取的灾害类型：冷空气、沙尘天气、地震、地质灾害、火灾


2023-04-10 11:16 来源：救灾和物资保障司

近日，应急管理部会同工业和信息化部、自然资源部、住房城乡建设部、交通运输部、水利部、农业农村部、卫生健康委、统计局、气象局、粮食和储备局、林草局、中国红十字会总会、国铁集团等部门和单位，对2023年一季度全国自然灾害情况进行了会商分析。一季度，我国自然灾害以干旱、风雹、低温冷冻和雪灾为主，洪涝、地震、地质灾害、沙尘暴和森林草原火灾等也有不同程度发生。各种自然灾害共造成472.2万人次受灾，因灾死亡39人；倒塌房屋100余间，严重损坏房屋600余间，一般损坏房屋3.8万余间；农作物受灾面积289.8千公顷；直接经济损失25.5亿元。

一季度全国自然灾害主要特点有：

一、西南地区发生冬春连旱，旱情较往年同期偏重

今年以来，西南地区大部降水量较常年同期偏少2成以上，加上同期气温偏高，云贵川渝等地干旱快速发展，局地山丘区农业生产、城乡供水受到一定影响，人畜饮水出现困难。农作物受灾面积193千公顷，以油料作物、蔬菜和经济林果为主。因旱需生活救助97万人，饮水困难人口主要分布于中高海拔山区。3月中旬，四川、重庆、贵州等地均出现明显降水，干旱得到不同程度缓和。总体上，一季度旱情较往年同期偏重。

二、多地遭受低温冷冻和雪灾，西藏林芝雪崩造成重大人员伤亡

一季度，我国共发生12次冷空气过程，较常年同期略为偏多。其中，4次过程达寒潮级别。1月13–16日冷空气过程为全国型寒潮过程，受寒潮引发降温、雨雪影响，重庆、云南等多地遭受低温冷冻和雪灾，农作物受灾面积10.8千公顷。3月11–14日，河南大部地区气温骤降，部分地区降暴雪，造成经济林果作物冻伤减产，农业经济损失3.5亿元。总体上，与近5年同期均值相比，一季度低温冷冻和雪灾因灾直接经济损失明显偏轻。此外，1月17日，西藏林芝市派墨公路多雄拉隧道出口处发生雪崩，部分车辆和人员被埋，因灾死亡28人。

三、风雹灾害影响南方地区，北方局地突发沙尘暴

1–2月，全国未发生区域性强对流天气过程，云南、西藏等局地遭受风雹灾害。3月下旬，南方地区出现今年首次大范围强对流天气过程，江南、华南部分地区出现大风、冰雹、雷暴和短时强降雨，江西、福建等地3万余间房屋受损，部分农业大棚和蔬菜、经济作物受灾。一季度，我国出现6次沙尘天气过程，其中4次发生在3月份。3月19–23日，北方地区出现今年以来最强沙尘天气过程，内蒙古、北京、甘肃、新疆等10省（区、市）出现浮尘或扬沙，局地出现沙尘暴，对交通运输、城市运行、群众健康等产生不利影响。

四、西部地区发生中强地震，未造成较大损失

一季度，我国大陆地区共发生4级以上地震22次，其中6.0–6.9级1次，5.0–5.9级2次，主要集中在新疆、四川、西藏等地。其中，1月30日新疆沙雅6.1级地震和2月27日新疆温宿5.1级地震，震中均位于人口稀少地区，未造成较大灾害损失。1月26日四川泸定5.6级地震，未造成人员伤亡。

五、南方局地遭受洪涝灾害，中南地区地质灾害多发

3月20–25日，南方地区出现大范围强降雨过程，涉及范围广、持续时间长、累计雨量大，福建、湖南局地出现洪涝灾害。依据入汛标准，我国3月24日进入汛期，较多年平均入汛日期偏早8天。另据统计，一季度全国共发生地质灾害97起，以小型崩塌、地面塌陷为主。此外，3月16日黄河封冻河段全线开河，凌汛期历时108天，凌情总体平稳，未发生严重凌汛灾害损失。

六、森林草原火灾总体形势平稳

一季度，全国共发生森林火灾148起，因灾死亡2人，受害森林面积约794公顷。从时间看，3月份进入森林火灾高发期，发生森林火灾87起，占一季度发生起数的59%；从地域看，森林火灾多点散发、南北并重，主要发生在广西、湖北、贵州、河南、河北等地。发生草原火灾2起，甘肃、内蒙古各1起，受害草原面积约310公顷。


问题分析

1、描述灾害时，语句结构一般为：【数量词 + 灾害名称】或【灾害名称 + 数量词】，例如：“22场地震”、“地震22场”。

2、数词可能是 1 位数，也可能是多位数，例如：6、97、237。

3、量词不固定，可能是“次”、“起”、“场”……

4、灾害名称长度不固定，比如：“地震”有 2 个字符、“沙尘天气”有 4 个字符。

代码方案

import re

text = '''近日，应急管理部会同工业和信息化部、自然资源部……'''
items = {'冷空气': 0, '沙尘天气': 0, '地震': 0, '地质灾害': 0, '火灾': 0}

匹配模式 = r"(\d+[次起场])?([冷空气 沙尘天气 地震 地质灾害 火灾]+)(\d+[次起场])?"
r = re.findall(匹配模式, text)

for 左数量词, 灾害名称, 右数量词 in r:
    if (灾害名称 in items) and (左数量词 or 右数量词):
        数量词 = 左数量词 or 右数量词
        num = int(re.findall('\d+', 数量词)[0])
        items[灾害名称] += num
print(items)


运行结果：

{'冷空气': 12, '沙尘天气': 6, '地震': 22, '地质灾害': 97, '火灾': 237}


代码讲解

1、import re ：re 是 Python 中的一个用来解析正则表达式的包。

2、[冷空气 沙尘天气 地震 地质灾害 火灾] 表示匹配方括号内的任意 1 个字符；但由于灾害名称可能包含不止 1 个字符，比如“沙尘天气”有 4 个字符，因此需要在方括号后写一个 + 来表示匹配方括号内的任意 1 个或多个字符。

3、同理，我们把所有可能的量词放在一个方括号里，即 [次起场] ，表示匹配任意 1 个量词。

4、在正则表达式中，\d 表示任意 1 个数字；由于数词可能是多位数，因此需要在 \d 右边写一个 + 来表示匹配任意 1 个或多个数字，即 \d+ 。

5、用英文括号分别把 左数量词匹配式、灾害名称匹配式、右数量词匹配式 包起来，即：(左数量词匹配式)(灾害名称匹配式)(右数量词匹配式)，表示将 1 个完整的描述语句拆成这 3 个部分。例如：把“22场地震22场”拆成“22场”、“地震”、“22场”；但由于左、右两个数量词不可能同时存在，要么只有左数量词，要么只有右数量词，因此需要分别在两个数量词匹配式的括号右边加上 1 个 ? ，表示“可有可无”，即：(左数量词匹配式)?(灾害名称匹配式)(右数量词匹配式)?，即：(\d+[次起场])?([冷空气 沙尘天气 地震 地质灾害 火灾]+)(\d+[次起场])? 。

6、由于 [冷空气 沙尘天气 地震 地质灾害 火灾]+ 可以匹配方括号内的任意 1 个或多个字符，因此也可能匹配出“冷气”、“天灾”这种不符合条件的名称，因此我们需要用 灾害名称 in items 来过滤出符合要求的灾害名称。

7、由于 ? 表示“可有可无”，但在一个正确的描述语句中必然会有1个数量词，因此我们需要用 左数量词 or 右数量词 来去除“左、右两个数量词都为空”的条目。

8、接着我们使用 re.findall('\d+', 数量词) 从数量词中提取出数词，并使用 int 函数将数词转化为 int 类型。