区分千位分隔符和非千位分隔符的正则表达式

Question

我需要从给定的文本行中提取价格信息。到目前为止，我已经用以下java正则表达式(\\d{1,3}(,\\d{3})*(\\.\\d+)?)成功地处理了像price will be 90,500 USD这样的行。

但现在，我也有一些行在价格之前还有另一个数字(例如：对于订单号码12345，价格将为100,500美元)。在这种情况下，我的价格提取失败了。例如，上面的例子会给我123作为结果。

我可以有一个正则表达式/另一种方法来提取价格信息，无论是否存在另一个数字？（价格始终以千为单位分隔，带或不带小数点）

以下是我目前用于此工作的完整代码：

private String getPrice(String fileText) {
    String lines[] = fileText.split(System.lineSeparator());

    for (String line : lines) {
        Pattern p = Pattern.compile("(\\d{1,3}(,\\d{3})*(\\.\\d+))");
        Matcher m = p.matcher(line);
        if (m.find()) {
            return m.group(0);
        }

        p = Pattern.compile("(\\d{1,3}(,\\d{3})*(\\.\\d+)?)");
        m = p.matcher(line);
        if (m.find()) {
            return m.group(0);
        }   
    }       
    return "";
}

我期望匹配的是单词级别。例如：12345中的123不应该匹配。我的单词分隔符只有空格。123-456被视为一个单词。因此，在123456、123-456、123,456、123,456.56和A123456中，只有123,456和123,456.56应该匹配。问题是，我的当前代码从123456、123-456和A123456中提取了123。

- Leni

---

使用 Pattern.compile(".*\\D(\\d{1,3}(?:,\\d{3})*(?:\\.\\d+)?)") 获取最后一个匹配。返回 m.group(1)。 - Wiktor Stribiżew

或者在价格后面添加货币符号 (\\d{1,3}(?:,\\d{3})*(\\.\\d+)?) USD\\b，因为你正在使用一个捕获组来匹配价格。https://regex101.com/r/xTJBeX/1 - The fourth bird

所以，额外的要求是至少有一个逗号，对吗？ Pattern.compile("\\d{1,3}(?:,\\d{3})+(?:\\.\\d+)?")？请参见 https://regex101.com/r/mtLNLb/1 - Wiktor Stribiżew

@Leni 那么你如何描述一个有效匹配的字符上下文呢？你能做到吗？如果不能，那么正则表达式也无法帮助你。 - Wiktor Stribiżew

看起来你可能会使用 Pattern.compile("\\b\\d{1,3}(?:,\\d{3})*(?:\\.\\d+)?\\b")。 - Wiktor Stribiżew

Answer 1

您的正则表达式可以匹配任何上下文中的数字，小数部分是必须的。

我建议：

• 仅在数字不被单词字符包围时匹配
• 在分数部分模式周围使用一个可选的非捕获组。

使用：

Pattern p = Pattern.compile("\\b\\d{1,3}(?:,\\d{3})*(?:\\.\\d+)?\\b");

请查看正则表达式演示。

\b模式是单词边界，(?:\\.\\d+)?中的(?:...)?是一个非捕获组，重复一次或零次，即可选。

- Wiktor Stribiżew