使用正则表达式识别文档中法语格式的数字

Question

我有一份文档，其中包含各种格式的数字，法语、英语、自定义格式。

我想要一个只能捕获法语格式数字的正则表达式。

这是我要捕获的数字的完整列表（d 代表一个数字，小数分隔符是逗号 ,，千位分隔符是空格）

d,d d,dd   d,ddd

dd,d   dd,dd   dd,ddd

ddd,d   ddd,dd   ddd,ddd

d ddd,d   d ddd,dd   d ddd,ddd

dd ddd,d  dd ddd,dd  dd ddd,ddd

ddd ddd,d  ddd ddd,dd  ddd ddd,ddd

d ddd ddd,d...

dd ddd ddd,d...

ddd ddd ddd,d...

这是我的正则表达式

(\d{1,3}\s(\d{3}\s)*\d{3}(\,\d{1,3})?|\d{1,3}\,\d{1,3})

捕捉像上面这样的法语格式，所以我在正确的轨道上，但也像d,ddd.dd（因为它捕捉到d,ddd）或d,ddd,ddd（因为它捕捉到d,ddd）这样的数字。

我应该在我的正则表达式中添加什么？

我拥有的 VBA 代码：

Sub ChangeNumberFromFRformatToENformat()

Dim SectionText As String
Dim RegEx As Object, RegC As Object, RegM As Object
Dim i As Integer

Set RegEx = CreateObject("vbscript.regexp")
With RegEx
    .Global = True
    .MultiLine = False
    .Pattern = "(\d{1,3}\s(\d{3}\s)*\d{3}(\,\d{1,3})?|\d{1,3}\,\d{1,3})"
    ' regular expression used for the macro to recognise FR formated numners
    End With

For i = 1 To ActiveDocument.Sections.Count()

    SectionText = ActiveDocument.Sections(i).Range.Text

    If RegEx.test(SectionText) Then
        Set RegC = RegEx.Execute(SectionText)
        ' RegC regular expresion matches collection, holding french format numbers

        For Each RegM In RegC

            Call ChangeThousandAndDecimalSeparator(RegM.Value)

        Next 'For Each RegM In RegC

        Set RegC = Nothing
        Set RegM = Nothing

    End If

Next 'For i = 6 To ActiveDocument.Sections.Count()

Set RegEx = Nothing

End Sub

用户stema，给了我一个很好的解决方案。正则表达式应该是：

(?

但是 VBA 抱怨正则表达式有未转义的字符。我在 (?: \d{3}) 之间找到了一个 (?: \d{3})，它是一个空白字符，所以我可以用 \s 替换它。我认为第二个是 (?:,\d{1,3}) 在 ?: 和逗号字符 \d 之间，如果我转义它将是 \, .

所以现在正则表达式是 (?

帖子中的新行： 我刚刚发现 VBA 不同意这个正则表达式序列 ?

Answer 1

这个怎么样？

\b\d{1,3}(?: \d{3})*(?:,\d{1,3})?\b

看here on Regexr

\b 是单词边界

首先 (\d{1,3}) 匹配 1 到 3 位数字，然后可以有 0 组或多组前导空格后跟 3 位数字 ((?: \d{3})*)，最后可以有一个可选的小数部分 (@987654327 @)

编辑：

如果您想避免使用1,111.1，那么\b 锚对您不利。试试这个：

(?<=^|\s)\d{1,3}(?: \d{3})*(?:,\d{1,3})?(?=\s|$)

Regexr

这个正则表达式现在需要一个空格或字符串的开头，以及一个空格或字符串的结尾，以匹配数字。

编辑 2：

由于不支持向后看，您可以更改为

(?:^|\s)\d{1,3}(?: \d{3})*(?:,\d{1,3})?(?=\s|$)

这不会改变字符串开头的任何内容，但如果数字以前导空格开头，则现在将其包含在匹配中。如果首先将匹配结果用于某些内容，则必须删除前导空格（我很确定 VBA 确实有一种方法（尝试trim()）。

Answer 2

如果您是逐行阅读，您可能会考虑在您的正则表达式中添加锚点（^ 和 $），这样您最终会得到如下结果：

^(\d{1,3}\s(\d{3}\s)*\d{3}(\,\d{1,3})?|\d{1,3}\,\d{1,3})$

这指示 RegEx 引擎从行首开始匹配直到最后。