Python正则表达式（从字符串中提取货币值）

Question

我正在处理包含以下格式字符串的数据：

" The little £250,000 brown fox jumped over the lazy dog" 

[澄清]

要转换为双精度浮点数的字符串可能已经被“清理”过，只是看起来像这样：

"£250,000"

我设法拼凑出一个简单的函数，将像“£250,000”这样的字符串转换为 double 类型。然而，当遇到像上面那个字符串一样的字符串时，我不知道该如何编写正则表达式来解析字符串的货币部分。问题在于我不知道会遇到哪种类型的字符串——即“清洗过”的货币值（如第二个示例）或“脏”字符串（如第一个示例）。我需要编写一个单一的函数来处理这两种类型的字符串，并将货币字符串返回为 double 类型。

对于“脏”字符串，有人能推荐一下如何匹配货币值（期望最小值：£1，期望最大值：£99,999,999）。此外，如果有更 Pythonic 的方法来编写下面的函数，我想听听 Python 程序员们的建议。

    non_numeric = re.compile(r'[^0-9\.]+')

    def string_to_decimal(s):
        try:
            s= s.decode('ascii')
        except:
            s = s[1:] # Assumption is that s begings with currency symbol

        s = str(s)  # Probably superfulous?

        s = s.replace(',','')
        s = non_numeric.sub('', str(s))
        return decimal.Decimal(s)

- Homunculus Reticulli

---

在 try 之前使用 s = str(s) 是有意义的。由于解码仅适用于字符串，并且索引不适用于整数，因此您可以假定在 try/except 之后它是一个字符串。否则，您的程序将在 except 中抛出异常（这将不会被捕获）。 - Brigand

Answer 1

尝试：

re.findall('£{1}[,0-9]{1,10}','The little £250,000 brown fox jumped over the lazy dog')

然后取出匹配结果并去除逗号。

- Krystian Cybulski

---

+1：我在我的完整解决方案中也使用了您的正则表达式，以匹配“脏”字符串。 - Homunculus Reticulli

Answer 2

r'£\d{1,3}(?:\,\d{3})+(?:\.\d{2})?'

将匹配货币表达式，例如：

>>> re.findall(r'£\d{1,3}(?:\,\d{3})+(?:\.\d{2})?',
... " The little £250,000 brown fox jumped over the lazy dog")
['\xc2\xa3250,000']

您可以使用以下方式将结果值转换为 Decimal ：

>>> Decimal('\xc2\xa3250,000'.decode('utf-8')[1:].strip(','))
Decimal('250000')

（假设使用UTF-8编码。）

- Fred Foo

---

我在使用上面的片段时遇到了以下错误：SyntaxError: Non-ASCII character '\xc2' in file /path/to/myscript.py on line 140, but no encoding declared; see http://www.python.org/peps/pep-0263.html for details. 我将检查该URL以获取更多详细信息。 - Homunculus Reticulli

@HomunculusReticulli：在文件顶部加上 # -*- coding: utf-8 -*-，以告诉 Python 解释器该源文件的编码方式。 - Fred Foo

谢谢，那个错误已经修复了。不过，我需要澄清一下，我需要能够匹配像“£250,000”这样的字符串（其中没有其他文本围绕货币值）。 - Homunculus Reticulli

我本以为它会匹配 - 但是没有。可能是我自己的问题，我会检查并重试一遍。 - Homunculus Reticulli

@HomunculusReticulli：可能是一些编码问题。尝试使用re.match(ur'£\d{1,3}(?:\,\d{3})+(?:\.\d{2})?', u"£250,000")（注意Unicode字符串）。 - Fred Foo

Answer 3

如果输入文本可以是各种语言，您需要担心不同区域的标点符号差异。

在某些区域中，您所称呼的“£250,000”将会是“£250.000”，而对于分数来说则相反：“£0.50”可以写成“£0,50”。可能还有更多的变化。

忽略这些差异，您的示例应该由正则表达式处理，例如r"£[0-9,.]+"。

- unwind

Answer 4

如果您同意安装一个名为price-parser的额外Python包，那么您可以尝试以下步骤：

安装该包。

python -m pip install price-parser

获取货币和金额的代码

from price_parser import Price
result = Price.fromstring(" The little £250,000 brown fox jumped over the lazy dog")
print(result)

输出：

Price(amount=Decimal('250000'), currency='£')

- Jeril