Question

我有几行文字。第一行是标题行，随后的每一行代表数据字段，每个值都用逗号分隔。每行中包含一到三个美元值，范围从个位数美元值（$ 4.50）到三位数（$ 100,000.34）。它们也被引号包围。

206360941,5465685679,"$4,073.77",567845676547,"$88,457.21",34589309683

我需要消除货币价值的引号和美元符号以及内部的逗号。需要保留小数点的句点分隔符，因此“ $ 6,801.56”变为6801.56

我已经使用正则表达式消除了美元符号和引号-

with open("datafile.csv", "r") as file:
    data = file.readlines()

for i in data:
    i = re.sub('[$"]', '', i)

然后使数据看起来像7545245,6,801.56,3545647 因此，如果我用逗号分开，则会将较大的值一分为二。

['206360941,5465685679,4,073.77,567845676547,88,457.21,34589309683']

我曾考虑过用引号分隔，进行更多的正则表达式并使用.join（）重新加入，但事实证明，只有带逗号的货币值包含引号，没有逗号的较小值不包含引号。

此外，我知道我可以使用re.findall(r'\$\d{1,3}\,\d\d\d\.\d\d', i)绘制数字格式，如果我打印出来，它将输出类似[$100,351.35]的列表

我不确定在那之后该怎么办。

Answer 1

我建议使用csv.reader（如果要对每列进行其他处理，请使用csv.DictReader）来读取文件，因为这将自动解析每列。读取文件后，您可以在每列上进行正则表达式，因此无需自己拆分行。我相信delimiter的默认quotechar和csv.reader是您所需要的。

Answer 2

您尝试过模块locale吗？与How do I use Python to convert a string to a number if it has commas in it as thousands separators?中一样比正则表达式更容易。

Answer 3

首先，您可以删除引号内的所有逗号。

伪代码可能类似于：

s = Your String
insideQuotes = false;
charIndex = 0;
while (c = nextChar() != null){
    if(c == "\""){
        insideQuotes = !insideQuotes;
    }else if(insideQuotes && c == ","){
        s.removeAt(charIndex, "");
        charIndex--;
    }
}

现在报价内不再有逗号，您只需要删除美元符号和报价本身即可！

希望有帮助！

Answer 4

这似乎可行：

>>> data = '206360941,5465685679,"$4,073.77",567845676547,"$88,457.21",34589309683'
>>> re.findall(r'"\$((\d+),)*(\d+)(\.\d+)"', data)
[('4,', '4', '073', '.77'), ('88,', '88', '457', '.21')]
>>> re.sub(r'"\$((\d+),)*(\d+)(\.\d+)"', r'\2\3\4', data)
'206360941,5465685679,4073.77,567845676547,88457.21,34589309683'

这个想法是获取小数点前后的数据，并保留小数点后的数据。然后，假设第一个组与第二个组相同，只需用除第一个组以外的所有组的内容替换。如果逗号不止一个，则可能需要一种更动态的方法。

这就是为什么您需要这个((\d+),)*组的原因，该组捕获一个子组和一个逗号。您应该将整个组替换为子组。

如何在文本行中替换这些值

4 个答案: