Python 正则表达式匹配带/不带逗号或小数点的货币金额

Question

如何编写正则表达式，以便1.匹配可能包含逗号或小数点的货币和2.仅匹配货币代码。目前我看到的大多数是匹配货币符号的。

我想能够从完整的文本中匹配货币['300,000.00']和货币代码['USD']，例如： Userid 9XXXX219 sales USD300,000.00 On 01-JUL-2016 08:34:32 到目前为止，我尝试了这个正则表达式，但它只匹配带小数点的货币，而不是没有小数点或带逗号的货币：

s = 'USD1 USD1.00 USD100.00 USD1,000 CAD1,000.00'
re.findall(r'\d+\.\d+', s)
#matches
['1.00', '100.00', '000.00']

#should not match any other thing e.g. 1XXXX324

#instead of this:
['1','1.00', '100.00', '1,000', '1,000.00']

如何编写另一个正则表达式模式来仅匹配货币代码？即：

['USD', 'USD', 'USD', 'USD','CAD'] 

- DougKruger

---

re.compile('(\d+(?:[\.,]\d+)?)') 已经工作 - 快来验证！ - Devi Prasad Khatua

@wolframalpha可以匹配有或没有小数点的数字，但无法匹配逗号，例如1,000.00。 - DougKruger

re.compile('(\d+(?:[.,]\d+)*)') 如果你想要多个逗号和小数点！！ - Devi Prasad Khatua

re.compile('(\d+(?:,\d+)*(?:\.\d+)?)') 如果你想要多个逗号和单个小数点（这更有意义）。 - Devi Prasad Khatua

@wolframalpha 抱歉，这个也将 1XXXX324 匹配为 ['1', '324']，能否去除与货币不同的任何其他内容？ - DougKruger

Answer 1

获取货币：

拥有完整的有效货币列表可能不可行，但如果货币数量有限，则可以按如下方式处理：

re.findall('USD|CAD','USD1 USD1.00 USD100.00 USD1,000 CAD1,000.00 123XXX123')

输出:

['美元', '美元', '美元', '美元', '加元']

获取金额:

使用捕获组，re.findall 将返回每个捕获的 tuple。使用非捕获组 (?:) 将解决此问题。

re.findall('(?<=USD|CAD)\d{1,3}(?:,\d{3})*(?:\.\d+)?(?=\s)','Userid 9XXXX219 sales USD300,000.00 On 01-JUL-2016 08:34:32')

输出：

['300,000.00']

通过示例文本说明：

注意：本文中出现的所有HTML标签需保留。

re.findall('(?<=USD|CAD)\d{1,3}(?:,\d{3})*(?:\.\d+)?(?=\s)','USD1 USD1.00 USD100.00 USD1,000 CAD1,000.00 123XXX123')

输出：

['1', '1.00', '100.00', '1,000', '1,000.00']

在这里阅读更多有关正则表达式的先行断言和后行断言的信息：

(?=) - 正向先行断言 (?<=) - 正向后行断言

- gaganso

---

谢谢，但与其将两个模式放在一起，是否可能将它们拆分为两个不同的模式，其中一个匹配货币代码，另一个匹配货币。我注意到没有 (?:USD|CAD) 它会将 1XXXX324 匹配为 ['1', '324']。 - DougKruger

@KrugerBr，可以做到。就像你尝试过的那样，分割正则表达式。你能否编辑问题并发布实际文本，从中获取这些结果？因为找到一个满足所有条件的理想正则表达式太复杂了。 - gaganso

@KrugerBr，请检查并让我知道是否正常工作。如果这个答案有帮助，请点赞。如果它解决了你的问题，请点击上下箭头下面的勾选标记接受答案。 - gaganso

我的问题中的例子“'Userid 9XXXX219 sales USD300,000.00 On 01-JUL-2016 08:34:32'”匹配的是['219', '300,000.00', '016']，而不仅仅是['300,000.00']。 - DougKruger

我已更新例子为“Userid 9XXXX219 销售额为 USD300,000.00，在2016年7月1日08:34:32”。 - DougKruger

让我们在聊天中继续这个讨论。 - DougKruger

Answer 2

"

'\d+([.,]?\d*)*'应该匹配所有情况。如果需要，您也可以添加空格。就像这样：

"

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

对于货币代码，'[A-Z]{3}' 应该有效。

P.S. 根据SilentMonk的建议，非捕获组应该使用：

(?:[A-Z]{3})(?:\d+(?:[.,]?\d*)*)

- Maria Ivanova

---

只有当您确定 OP 只需要这两种货币时才使用。考虑到全球货币列表可能每天都在增长，明天可能会有一种有效的货币 ABC，所以不要感到惊讶。 - Maria Ivanova

是的，让我们看看原帖需要什么。 - gaganso

根据区域设置，它可能是一个有效的数字（100万）。虽然通常数字会以3位分隔，但这是适用于 OP 的最简单的正则表达式。我们可以尽情改进它并使其更加复杂。 :) 我认为还有更好的选择。 - Maria Ivanova

re.findall(r'(\d+([., ]?\d*)*)', s)如何返回列表而不是元组？ [('1 ', ''), ('1.00 ', ''), ('100.00 ', ''), ('1,000 ', ''), ('1,000.00', '')] 如何将其返回为列表？ - DougKruger

@KrugerBr，你需要使用非捕获组。请看我的回答。 - gaganso

Answer 3

要匹配货币，只能使用：(\d[0-9,.]+)

要匹配货币代码，可以使用：([A-Z]+)

演示和解释

- Shekhar Khairnar