正则表达式在python中的简单使用（附带例子：正则表达式匹配+数据清洗）

来讲一下正则表达式在python中的简单使用，直接上例子吧~~

题目：使用python正则表达式匹配文中所有的美元字样，并且将其转换成纯金额。

dollar.txt:

asdasfa$12342.492asgasg$231,999.00h$299124rher$345213
asdasfa$12342.492asgasg$231,999.00h$299124rher$979699
$231,999.00h$299124rherh5240.00美元$231,999.00$2893529
asdasfa$12342.492asgasg$231,999.00h$299124rher$039572
asdasfa$12342.492asgasg$231,999.00h$231,999.00#$02935
$231,999.00h$299124rherh5240.00美元$231,999.00$29037we
asdasfa$12342.492asgasg$231,999.00h$231,999.00$352396j
$231,999.00h$299124rherh5240.00美元$231,999.00$wr$2351
asdasfa$12342.492asgasg$231,999.00h$231,999.00$2352366

通过浏览可以发现，dollar.txt中的金额样式有
$12342.492
$231,999.00（带逗号的）
5240.00美元
$345213

import re

# 获取所有数据
text = ''
file = open(r"dollar.txt",encoding="UTF-8")
for line in file:
    text = text + line
file.close()

# 通过正则表达式获取结果集
result = re.findall('(\$[\d+,]*\d+[\.\d+]*)|(\d+\.\d{2}美元)',text)

# 数据清洗
data = []
for r in result:
    if r[0] != '':
        data.append(r[0])
    if r[1] != '':
        data.append(r[1])

# 打印输出
print("{}{}".format("提取的数据：",data))

list_num = []   # 存储纯数字列表
for n in data:
    list_num.append(re.findall('\d+',n))  # 将字符串除去

print(list_num)

result_num = []     # 存储最终结果
for i in list_num:
    money = 0
    digit = 0   # 用来表示位数，从个位开始
    if len(i) == 1:
        money = eval(i[0])
    else:
        decimal = eval(i[-1])/pow(10,len(i))    # 小数部分
        money = decimal
        li = list(reversed(i))  # 倒序排序
        for j in range(1,len(li)):
            money = money + eval(li[j])*pow(10,digit)
            digit = digit + len(li[j])
    result_num.append(money)

# 打印输出
print(result_num)

运行一下

OK！现在来讲解一下代码中的正则表达式：
result = re.findall(’($[\d+,]\d+[.\d+])|(\d+.\d{2}美元)’,text)

(\$[\d+,]*\d+[\.\d+]*)|(\d+\.\d{2}美元)

1. \$：匹配一个“$”美元符号，\在这里是转义符；

2. [\d+,]：这可以看做是一个单独的语句
   （1）[… …]：中括号，通俗地讲就是看做是一个整体表达式，做一个优先级运算；
   （2）\d*：匹配一个数字；
   （3）+：加号，匹配前面的子表达式一次或多次。\d+ 匹配一个或多个数字的组合；
   （4）,：逗号，在这里没什么含义，仅仅是为了匹配一个逗号；

3. *：星号和 加号 作用类似，是为了匹配前面的子表达式零次或多次，例如 \d* ，就可以匹配空字符串或者多个数字的组合；

4. [.\d+]*：同理，这里补充一下，. 在这里也仅仅是为了匹配一个小数点；

5. (… …)：括号，和中括号功能类似，也是看做是一个整体表达式，但是有一点不同的是，它的子表达式会获取供以后使用，就是说有多少个括号就会匹配多少个结果，例如 (… (…)…(…)…) ，这里有三个括号，那它最后返回的结果集就是 [ [a,b,c], [a,b,c], [a,b,c]… …] 这种形式的，还不懂的话可以将上面的中括号换成小括号再运行一下程序就懂了；

6. |：竖杠，表示或的意思，例如：\d|\s 会匹配一个字符或者是一个数字；

7. {… …}：大括号，有两种用法，一种是和小括号和中括号一样，另一种就是在上面表达式中的功能

字符	描述
{n}	n 是一个非负整数。匹配确定的 n 次。例如，‘o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，‘o{2,}’ 不能匹配 “Bob” 中的 ‘o’，但能匹配 “foooood” 中的所有 o。‘o{1,}’ 等价于 ‘o+’。‘o{0,}’ 则等价于 ‘o*’。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，“o{1,3}” 将匹配 “fooooood” 中的前三个 o。‘o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。