如何编写正则表达式来捕获特定的数字格式并排除其余的？答案

【问题标题】：How to write regex to capture specific number formats and exclude the rest?如何编写正则表达式来捕获特定的数字格式并排除其余的？
【发布时间】：2020-07-13 14:02:15
【问题描述】：

我试图从一个字符串中捕获有限的真实案例，其中包含 Python 正则表达式中的许多其他无效数字案例。真正的情况是有效的有效数字格式，带有逗号或带有逗号和小数的数字。其他一切都是无效的。示例如下。

示例输入字符串：

input = "The net value is 1,000,000.00 however even 100,000 or 1,000,000 is acceptable. The amounts that are not acceptable are 1 000,000.00 or 1.000.000.00 or 1,000,000,00 or 1,000,000,0000"

输出为：1,000,000.00 100,000 1,000,000

我尝试的当前python正则表达式如下：

\d{1,3}(,{1}\d{3})*(\.{1}\d+){0,1}$

这仅在输入只是数字时有效。当我尝试输入带有单词的数字时，它失败了。

【问题讨论】：

标签： python regex

【解决方案1】：

下面的正则表达式模式更接近你想要的：

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

这使用环视来断言数字的边界必须是空格或输入的开始/结束。另请注意，我们坚持每个有效数字不以零开头。

我会使用re.findall，如下所示：

inp = "The net value is 1,000,000.00 however even 100,000 or 1,000,000 is acceptable. The amounts that are not acceptable are 1 000,000.00 or 1.000.000.00 or 1,000,000,00 or 1,000,000,0000"
matches = re.findall(r'(?<!\S)[1-9]\d{0,2}(?:,\d{3})*(?:\.\d+)?(?!\S)', inp)
print(matches)

打印出来：

['1,000,000.00', '100,000', '1,000,000', '1']

作为上面为什么出现1的注释，没有明显的方法可以知道独立数字1实际上是破百万数字的一部分。

【讨论】：

请注意，在这种情况下，您实际上可以排除独立数字。 OP：“真正的案例是有效的有效数字格式，带有逗号或带有逗号和小数的数字。其他一切都是无效的。”。这对我来说是至少逗号。因此将 * 量词更改为 + 就可以了 =)
@JvdV 从来没有想过这个，好建议+1。

【解决方案2】：

另一种选择是使用负前瞻来排除第一个逗号之前只有零的情况，并在值之后至少匹配一个逗号，因为您想要的输出是1,000,000.00 100,000 1,000,000

(?<!\S)(?!0+\,)\d{1,3}(?:,\d{3})+(?:\.\d+)?(?!\S)

解释

(?<!\S) 向左声明空白边界
(?!0+\,) 不仅在第一个逗号前断言零
\d{1,3} 匹配 1-3 位数字
(?:,\d{3})+ 重复 1+ 次匹配逗号和 1-3 位数字
(?:\.\d+)? 可以选择匹配一个点和 1 个以上的数字
(?!\S) 在右侧断言空白边界

Regex demo | Python demo

例子

import re
 
input = "The net value is 1,000,000.00 however even 100,000 or 1,000,000 is acceptable. The amounts that are not acceptable are 1 000,000.00 or 1.000.000.00 or 1,000,000,00 or 1,000,000,0000"
regex = r"(?<!\S)(?!0+\,)\d{1,3}(?:,\d{3})+(?:\.\d+)?(?!\S)"
 
print(re.findall(regex, input))

输出

['1,000,000.00', '100,000', '1,000,000']

【讨论】：