Question

我正在尝试在名为网页的字符串中查找所有货币值的案例。

字符串网页是来自this网页的文字，在我的程序中它只是硬编码，因为这就是所有需要的，但我不会在这里全部粘贴。

regex = r'^[$£€]?(([\d]{1,3},([\d]{3},)*[\d]{3}|[0-9]+)(\.[0-9][0-9])?(\s?bn|\s?mil|\s?euro[s]?|\s?dollar[s]?|\s?pound[s]?|p){0,2})'
res = re.findall(regex, webpage)
print(res)

它回归[]，我预计会回归[1310亿美元，1000亿英镑，1000亿美元，174亿美元]

Answer 1

在不知道必须搜索的文本的情况下，您可以使用正则表达式：

([€|$|£]+[0-9a-zA-Z\,\.]+)

捕获包含€，£或$的所有内容，然后在不遵循文字或字母的情况下打印金额。请参阅此处的示例：http://rubular.com/r/a7O7AGF9Zl。

使用这个正则表达式我们得到这个代码：

import re
webpage = '''
one 
million
dollars
test123
$1bn asd
€5euro
$1923,1204bn
€1293.1205 million'''
regex = r'([€|$]+[0-9a-zA-Z\,\.]+)'
res = re.findall(regex, webpage)
print(res)

输出：

['$1bn', '€5euro', '$1923,1204bn', '€1293.1205']

编辑：在提供的网站上使用相同的正则表达式，它返回输出：

['$131bn', '$100bn', '$17.4bn.', '$52.4bn']

如果您进一步修改正则表达式以查找例如5亿，您可以在第一个支架上添加0-9，然后搜索£，€，$或以0-9开头的任何内容。

输出：

webpage = '''
one 
million
€1293.1205 million
500million
'''
regex = r'([€|$0-9]+[0-9a-zA-Z\,\.]+)'

因此变为：

['€1293.1205', '500million']

Answer 2

正则表达式的第一个错误是字符串开头的^，它只匹配字符串中的第一个字符，这在使用findall时没有用。< / p>

此外，您定义了很多组（()），我认为您并不真正需要，所以要逃避所有组（在打开的括号旁边添加?:）和你会非常接近你想要的东西：

regex = r'[$£€](?:(?:[\d]{1,3},(?:[\d]{3},)*[\d]{3}|[0-9]+)(?:\.[0-9][0-9])?(?:\s?bn|\s?mil|\s?euro[s]?|\s?dollar[s]?|\s?pound[s]?|p){0,2})'
res = re.findall(regex, webpage)
print(res)

Answer 3

网络搜索解决方案：

import urllib
import itertools
from bs4 import BeautifulSoup as soup
import re
s = soup(str(urllib.urlopen('http://www.bbc.com/news/business-41779341').read()), 'lxml')
final_data = list(itertools.chain.from_iterable(filter(lambda x:x, [re.findall('[€\$£][\w\.]+', i.text) for i in s.findAll('p')])))

输出：

[u'$131bn', u'\xa3100bn', u'$100bn', u'$17.4bn.']

Python在String中查找正则表达式

3 个答案: