REGEX 提取金额不带货币

Question

SELECT
    ocr_text,
    bucket,
    REGEXP_EXTRACT('-?[0-9]+(\.[0-9]+)?', ocr_text)
FROM temp

我正在尝试从不存在货币的字符串中提取金额。任何没有小数的数字都不应该匹配。假设逗号遵循正确的规则（在数百个标记处），则应允许使用逗号

56         no       (missing decimals)
56.45      yes  
120        no       (missing decimals)
120.00     yes
1200.00    yes
1,200.00   yes
1,200      no       (missing decimals)
1200       no       (missing decimals)
134.5      no       (decimal not followed by 2 digits)
23,00.00   no       (invalid comma location)

我是 REGEX 的菜鸟，所以我知道我的上述陈述已经不符合我列出的标准。但是，我已经在我的REGEX_EXTRACT 行上遇到了错误(INVALID_FUNCTION_ARGUMENT) premature end of char-class

---

有人能指出我正确的方向吗？如何解决我当前的问题？如何修改以正确合并列出的其他标准？

Answer 1

以下是带有两位小数和可选的千位逗号分隔符的正/负数的一般正则表达式模式：

(?<!\S)(?:-?[0-9]{1,3}(,[0-9]{3})*(\.[0-9]{2})|-?[0-9]+(\.[0-9]{2}))(?!\S)

Demo

您更新后的查询：

SELECT
    ocr_text,
    bucket,
    REGEXP_EXTRACT(ocr_text, '(?<!\S)(?:-?[0-9]{1,3}(,[0-9]{3})*(\.[0-9]{2})|-?[0-9]+(\.[0-9]{2}))(?!\S)')
FROM temp;

从我阅读的 Presto 文档来看，它应该支持 Java 的正则表达式语法。如果环视不起作用，您可以试试这个版本：

SELECT
    ocr_text,
    bucket,
    REGEXP_EXTRACT(ocr_text, '(\s|^)(?:-?[0-9]{1,3}(,[0-9]{3})*(\.[0-9]{2})|-?[0-9]+(\.[0-9]{2}))(\s|$)')
FROM temp;

Answer 2

REGEXP_EXTRACT('^[-]?(\d*.\d*)', ocr_text)

模式：^[-]?(\d*\.\d*)

解释：

^ - 行首

[-]? - 带或不带负破折号 (-)

\d* - 0 位或更多位

\. - 小数（转义，因为在正则表达式中小数被视为特殊字符）

\d* - 0 位或更多位（小数部分）；

$ - 行尾。

额外提示：test your regex 有在线有用的工具！

Answer 3

下面的代码可以像所有数字一样提取值，但它可以捕获所有值，仅特定于某些字母它不能很好地工作。任何人，请好好建议。

-?\d+\.?\d*

我已经使用 Regex 完成了 NLP 方面的工作。