Question

我正在使用正则表达式解析来自OCR文档的数据，我正在努力匹配1000s逗号分隔符被误读为点的情况，以及点被误读为逗号的地方！

因此，如果真实值为1234567.89，则打印为1,234,567.89但被误读为：

1.234,567.89

1,234.567.89

1,234,567,89

等

我可以在C＃中对此进行排序，但我确信正则表达式可以做到这一点。那些可以提供帮助的正则表达式向导？

更新：

我意识到这是一个非常愚蠢的问题，因为正则表达式非常直接地捕捉所有这些，然后我选择如何解释匹配。哪个将在C＃中。谢谢 - 抱歉浪费你的时间！

我将标记答案给德米特里，因为它接近我所寻找的。谢谢。

Answer 1

请注意，歧义，因为：

  123,456 // thousand separator 
  123.456 // decimal separator

都是可能的（123456和123.456）。但是，我们可以检测到一些情况：

小数分隔符123.456.789
订单错误123.456,789
错误的数字计数123,45

所以我们可以设置一个规则：分隔符可以 十进制一个，如果它是 last 一个而没有被跟踪通过完全三位数（参见上面的歧义），全部其他分隔符应该被视为千分之一：

1?234?567?89 ^ ^ ^ | | the last one, followed by two digits (not three), thus decimal | not the last one, thus thousand not the last one, thus thousand

现在让我们实现一个例行程序

private static String ClearUp(String value) { String[] chunks = value.Split(',', '.'); // No separators if (chunks.Length <= 1) return value; // Let's look at the last chunk // definitely decimal separator (e.g. "123,45") if (chunks[chunks.Length - 1].Length != 3) return String.Concat(chunks.Take(chunks.Length - 1)) + "." + chunks[chunks.Length - 1]; // may be decimal or thousand if (value[value.Length - 4] == ',') return String.Concat(chunks); else return String.Concat(chunks.Take(chunks.Length - 1)) + "." + chunks[chunks.Length - 1]; }

现在让我们尝试一些测试：

String[] data = new String[] { // you tests "1.234,567.89", "1,234.567.89", "1,234,567,89", // my tests "123,456", // "," should be left intact, i.e. thousand separator "123.456", // "." should be left intact, i.e. decimal separator }; String report = String.Join(Environment.NewLine, data .Select(item => String.Format("{0} -> {1}", item, ClearUp(item)))); Console.Write(report);

结果是

1.234,567.89 -> 1234567.89 1,234.567.89 -> 1234567.89 1,234,567,89 -> 1234567.89 123,456 -> 123456 123.456 -> 123.456

Answer 2

试试这个正则表达式：

\b[\.,\d][^\s]*\b

\ b =字边界含有：。或逗号或数字不包含空格

Answer 3

响应更新/评论：您不需要正则表达式来执行此操作。相反，如果您可以将数字字符串与周围空格隔离，则可以使用Split(',','.')将其拉入字符串数组。根据您在上面概述的逻辑，您可以使用数组的最后一个元素作为小数部分，并将整个部分的第一个元素连接在一起。（实际代码留作练习......）如果ambiguous-dot-or-comma是字符串中的最后一个字符，这甚至可以工作：split-array中的最后一个元素将为空。

警告：如果总是有一个小数点，这将仅工作 - 否则，您将无法在数千位逗号和千分之一的小数之间进行逻辑区分。

十进制数字点的正则表达式而不是逗号（.NET）

3 个答案: