我正在尝试创建一个可识别金额（以美元为单位）的正则表达式。 问题是数据是由OCR在扫描的PDF文件上生成的，因此数据不精确：
$可以由S .可以由, 1可以由l或I 5可以由S 示例：
Data: What is should be:
S0.01 => $0.01
S1 => $1
S400.05 => $400.05
$0,01 => $0.01
S0,SI => $0.51
问题：是否可以构建可以搜索这种复杂模式的正则表达式？
答案 0 :(得分：4)
没有那么复杂。从可以匹配“原始”输出的正则表达式开始，例如
\$[0-9]+(\.[0-9]{2})?
现在，只需将可疑字符替换为其他字符即可。
[$S][0-9SIl]+([.,][0-9SIl]{2})?
这可能会给您带来误报，因为您会在“我读棒球和篮球新闻的SI”这样的句子中“找到” $1（SI是《体育画报》的缩写，但是仅使用正则表达式是不可避免的。
完成匹配后，将结果转换为假定的正确形式很简单：将任何初始的S替换为$，将任何,替换为{ .和其他S与5。