提取美元数字

Question

我要做的只是从美元数字中提取数字。你知道吗

输入格式

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

所需输出

...
1289868
62000
421
...

我用来只提取数字和逗号的正则表达式是：

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

当然输出。。。你知道吗

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

我想做的是将输出转换为整数（int(...)），但显然这对逗号不起作用。我相信我能自己解决这个问题，但我现在时间很紧。你知道吗

我知道我可以简单地使用r'\d+'，但这显然会将每个块分成不同的匹配项…

Answer 1

您不能在一个匹配操作中匹配不连续的文本。您不能将正则表达式放入re.findall对1,345,456来接收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期处理。你知道吗

一个正则表达式，可以用来提取数字本身

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

见this regex demo。你知道吗

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+)*)'

见this regex demo。你知道吗

请注意，re.findall将只返回字符串的捕获部分（与regex中的(...)部分匹配的部分）。你知道吗

细节

• \$-美元符号
• (\d{1,3}(?:,\d{3})*)-捕获组1：
  • \d{1,3}-1到3个数字（如果使用\d+，则为1个或更多数字）
  • (?:,\d{3})*-0个或更多的
    • ,-逗号
    • \d{3}-3位（如果使用\d+，则为1位或更多位）。你知道吗

Python code sample（去掉逗号）：

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

你不需要正则表达式。你知道吗

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

很好用。你知道吗

如果出于某种原因确实要使用regex：

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