提取金额 + 前缀 / 后缀表示 python 中的货币价值

Question

我正在尝试从文本中提取这些内容：

1. 货币格式的金额 + 前缀/后缀
2. 任何其他数值

货币格式可以用各种组合和不同的货币表示，即美元、美元、美元、欧元等。

例：

text = 'usd$4540.34, some text, usd $1234.34, $123.98, $234, $ 123, USD$1621.09, usd109, 123usd, 8888, some other text, foo, bar'

到目前为止，我有以下代码：

re.sub(r"[^(w{1,})?$?d.*.?d*$]|[^0-9$+.,s']", '', text, flags=re.I).strip(',')

但它返回的结果是：

'$4540.34,,$1234.34,$123.98,$234,$123,$1621.09,109,123,8888'

根据上面的示例，正则表达式应返回以下预期输出：

usd$4540.34, usd $1234.34, $123.98, $234, $ 123, USD$1621.09, usd109, 123usd, 8888

如果有人可以帮助我，请不胜感激。谢谢！

Answer 1

您可以使用以下正则表达式来实现您的目的：

^(?:(?:[a-z]{0,} ?$? *)d+(?:.d+)?)$|^(?:d+(?:.d+)?[a-z]{1,})$

上述正则表达式的解释：

^, $- 分别表示字符串的开始和结束。

?:- 表示非捕获组

(?:[a-z]* ?$? *)- 表示开头包含$ 和 USD(根据您的示例(的情况。它可以在它们之间或数值开始之前包含零个或多个空格。您还需要在此处编辑正则表达式，以便添加其他货币符号，如 ₹、€ 等。

d+- 匹配数字 1 次或更多次。

(?:.d+)?- 与小数部分 0 或 1 时间匹配的非捕获组。

|- 表示交替

(?:d+(?:.d+)?[a-z]{1,})- 一个非捕获组，用于匹配货币跟随数字的情况。(123美元，如你的情况(。

您可以在此处找到上述正则表达式的演示。

在 python 中的实现：

import re
regex =  r"^(?:(?:[a-z]{0,} ?$? *)d+(?:.d+)?)$|^(?:d+(?:.d+)?[a-z]{1,})$"
text = 'usd$4540.34, some text, usd $1234.34, $123.98, $234.32.2, $ 123, USD$1621.09, usd109, 123usd, 8888, some other text, foo, bar, 998.90'
text = text.replace(', ', 'n')
print(re.findall(regex, text, flags=re.I | re.M))

可以在此处找到示例运行。不过，您可以根据需要操作代码。

Answer 2

这直接给出为列表：

pattern = r'((?:[a-z]+ ?)?(?:[$] *)?d+(?:.d+)?[a-z]*)'
text = 'usd$4540.34, some text, usd $1234.34, $123.98, $234, $ 123, USD$1621.09, usd109, 123usd, 8888, some other text, foo, bar'
re.findall(pattern, text, flags=re.I)