Question

我想做的是仅从美元数字中提取数字。

输入格式

...
$1,289,868
$62,000
$421
...

所需的输出

...
1289868
62000
421
...

我用来仅提取数字和逗号的正则表达式为：

r'\d+(,\d+){0,}'

哪个当然会输出...

...
1,289,868
62,000
421
...

我想做的是将输出转换为整数（int(...)），但是显然这不适用于逗号。我敢肯定我可以自己解决这个问题，但是我现在的时间很短。

我知道我可以简单地使用r'\d+'，但这显然将每个块都分成了单独的匹配项...

Answer 1

您不能在一个匹配操作中匹配不连续的文本。您不能将re.findall的正则表达式放入1,345,456中以接收1345456。您需要首先匹配所需的字符串，然后在代码中对其进行后处理。

您可以用来提取数字的正则表达式

re.findall(r'\$(\d{1,3}(?:,\d{3})*)', s)

请参见this regex demo。

或者，您可以使用更通用的正则表达式来与re.findall一起使用：

r'\$(\d+(?:,\d+)*)'

请参见this regex demo。

请注意，re.findall仅返回捕获的字符串部分（与正则表达式中的(...)部分匹配的那个部分）。

详细信息

\$-一个美元符号
(\d{1,3}(?:,\d{3})*)-捕获组1：
- \d{1,3}-1至3位数字（如果使用\d+，则为1位或更多位数字）
- (?:,\d{3})*-0个或多个序列
  - ,-逗号
  - \d{3}-3位数字（如果使用\d+，则为1位或更多数字）。

Python code sample（删除逗号）：

import re
s = """$1,289,868
$62,000
$421"""
result = [x.replace(",", "") for x in re.findall(r'\$(\d{1,3}(?:,\d{3})*)', s)]
print(result) # => ['1289868', '62000', '421']

Answer 2

使用re.sub

例如：

import re
s = """$1,289,868
$62,000
$421"""

print([int(i) for i in re.sub(r'[^0-9\s]', "", s).splitlines()])

输出：

[1289868, 62000, 421]

Answer 3

您不需要正则表达式。

int(''.join(filter(str.isdigit, "$1,000,000")))

工作正常。

如果由于某些原因您确实想使用正则表达式：

int(''.join(re.findall(r"\d", "$1,000,000")))

Answer 4

如果您知道如何使用逗号分组提取数字，那么最简单的方法就是将其转换为int可以处理的内容：

for match in matches:
    i = int(match.replace(',', ''))

例如，如果match是'1,289,868'，则match.replace(',', '')是'1289868'，显然int(<that>)是1289868。

Answer 5

您不需要正则表达式。只需字符串操作就足够了

>>> string = '$1,289,868\n$62,000\n$421'
>>> [w.lstrip('$').replace(',', '') for w in string.splitlines()]
['1289868', '62000', '421']

或者，您也可以使用locale.atoi将带逗号的数字字符串转换为int

>>> import locale
>>> locale.setlocale(locale.LC_ALL, 'en_US.UTF8')
>>> list(map(lambda x: locale.atoi(x.lstrip('$')), string.splitlines()))
[1289868, 62000, 421]

从美元数字中仅提取数字

5 个答案: