Question

我需要匹配文本文档中的行，其中行以数字开头，而数字后没有任何内容。...我想包括以'.'和','隔开的数字。 / p>

当前，我有：

p = re.compile('\$?\s?[0-9]+') 

for i, line in enumerate(letter):
   m = p.match(line)
   if s !=None:
      print(m)
      print(line)

哪个给我这个：

“ 15,704”和“ 416”->很好，我想要这个

但这也是

“ 4000万美元...”->我不想匹配这行或任何数字后跟单词的行。

我尝试过：

p = re.compile('\$?\s?[0-9]+[ \t\n\r\f\v]')

但是它不起作用。原因之一是，事实证明我要匹配的数字后面没有空格。

欣赏所有提示或技巧。

Answer 1

您可以使用以下正则表达式：

import re

pattern = re.compile('^[0-9,.]+\s*$')

lines = ["416", "15,704", "$40 million...."]

for line in lines:
    if pattern.match(line):
        print(line)

输出

416
15,704

模式^[0-9,.]+\s*$匹配所有,或.的数字，后跟零个或多个空格。如果只想匹配一个,或.的数字，请使用以下模式：'^\d+[,.]?\d+\s*$'，代码：

import re

pattern = re.compile('^\d+[,.]?\d+\s*$')

lines = ["416", "15,704", "$40 million...."]

for line in lines:
    if pattern.match(line):
        print(line)

输出

416
15,704

模式^\d+[,.]?\d+\s*$匹配以一组数字（\d+开头，后跟可选的,或.（[,.]?）开头的所有内容一组数字，并带有一组可选的空格\s*。

Answer 2

对代码进行一些修改：

letter = ["15,704", "$40 million"]
p = re.compile('^\d{1,3}([\.,]\d{3})*$') # Numbers separated by commas or points

for i, line in enumerate(letter):
    m = p.match(line)
    if m:
        print(line)

输出：

15,704

Answer 3

如果您要整个字符串与正则表达式匹配，您有2个选择：

可以调用re.fullmatch(pattern, string)（在函数名称中注意 full ）。它尝试仅匹配整个字符串。
或者将$放在正则表达式的末尾，然后调用re.match(pattern, string)。它会尝试从字符串的开头查找匹配项。

实际上，您也可以在正则表达式的开头添加^并调用re.search(pattern, string)，但这是一个非常奇怪的组合。

我也有关于您如何指定条件的评论，可能不完整方式：您输入$40 million字符串，并指出仅的拒绝原因 $40之后是空格和字母。

实际上，您应该已经写过要匹配的字符串：

可能以$开头。
$之后可以有一个空格（也许我不确定）。
然后可以是数字，点或逗号的序列。
仅此而已。

关于Python文字的另一点评论：显然您忘记了在模式前加上r。如果使用 r-string文字，则不必在其中加双反斜杠。

所以我认为最自然的解决方案是调用一个专门用于匹配整个字符串（即fullmatch），而不添加开始/结束锚点和整个脚本可以是：

import re

pat = re.compile(r'(?:\$\s?)?[\d,.]+')
lines = ["416", "15,704", "$40 million"]
for line in lines:
    if pat.fullmatch(line):
        print(line)

有关正则表达式的详细信息：

(?:-一个非捕获组。
- \$-由一个$字符组成。
- \s?-和可选的空格。
)?-非捕获组的结尾，并且?表示整个组组是可选的。
[\d,.]+-数字，逗号和点的序列（请注意[之间的数字和]点代表自身，因此不需要反斜杠引号。

如果您想拒绝诸如2...5或3.,44之类的字符串（不连续）允许使用点或逗号），将上述正则表达式的最后一部分更改为：

[\d]+(?:[,.]?[\d]+)*

详细信息：

[\d]+-一个数字序列。
(?:-一个非捕获组。
- [,.]-逗号或点（单）。
- [\d]+-另一个数字序列。
)*-非捕获组的结尾，它可能会出现多次。

如何匹配后面没有空格的数字字符

3 个答案: