python初学者的小问题

这个怎么办啊，一点头绪也没有，而且在网上也没有搜到解决办法，就来问问各位

import re

s = "a12cd3de456www7"
numbers = re.findall(r'\d+', s)
total = sum(int(n) for n in numbers)

print(total)

不知道你这个问题是否已经解决, 如果还没有解决的话:

这个问题的回答你可以参考下: https://ask.csdn.net/questions/7740105
你也可以参考下这篇文章：Python三种方法计算皮尔逊相关系数以及实现给定数据集，返回数据集中每个特征和标签的相关系数
同时，你还可以查看手册：python- 定义扩展类型：已分类主题- 终结和内存释放中的内容
除此之外, 这篇博客: Python 内存泄露问题，详细讲解如何查找问题以及解决方法中的 三、解决方法，使用单例类 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
通过对内存的分析之后，可以看到是在模型加载部分出了问题，在同个进程中，多次加载模型只会消耗内存，也会增加脚本的运行时间，因此如果在一次进程启动的时候加载一次模型，在其他任务的时候只需要调用模型就可以不用加载那么多次了。
在这里是使用单例类来实现一个进程只加载一次模型的。
简单的说单例类的作用就是在一个进程中只会实例化一个。
直接看代码吧
```
def singleton(cls):
    from functools import wraps
    instances = {}

    @wraps(cls)
    def get_instance(*args, **kw):
        if cls not in instances:
            instances[cls] = cls(*args, **kw)
        return instances[cls]

    return get_instance


@singleton
class SingleContainer(object):
    def __init__(self):
        self.__model = None
        self.__weight = None

    def get_model(self, r_helper, redis_key):
        if self.__model:
            return self.__model

        from tensorflow.keras.models import model_from_json
        model = model_from_json(r_helper.hget(redis_key, "model"))
        self.__model = model
        return model

    def get_weight(self, r_helper, redis_key):
        if self.__weight:
            return self.__weight

        import cPickle
        weight = cPickle.loads(r_helper.hget(redis_key, "weights"))
        self.__weight = weight
        return weight
 

model = SingleContainer().get_model(r_helper, redis_key)
weight = SingleContainer().get_weight(r_helper, redis_key)
model.set_weights(weight)
```
这样在每个进程中只会实例化一个模型。也就每次每个进程只需要加载一次模型即可。
看看实际内存消耗情况。
做了个对比。
第一次

可以看到第一次两边都是需要消耗内存的。但是使用单例的内存消耗明显低于直接读取redis的。
第二次

可以看到第二次的时候，使用单例模型的在加载模型的时候已经不需要消耗内存了，而普通直接读取redis还是需要消耗内存的。
第三次

可以看到第三次的情况跟第二次是一样的，使用单例模型的情况下还是不用消耗到内存。
实际上改完在线上测的时候，已经不会出现一开头那样的情况，内存是保持平稳的。
您还可以看一下 jeevan老师的Python量化交易，大操手量化投资系列课程之内功修炼篇课程中的讲师简介，量化交易介绍及自动化交易演示小节, 巩固相关知识点

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^