从字符串列表中提取薪水答案

【问题标题】：Extract salaries from a list of strings从字符串列表中提取薪水
【发布时间】：2019-08-26 01:17:13
【问题描述】：

我正在尝试从字符串列表中提取薪水。我正在使用正则表达式 findall() 函数，但它返回了许多空字符串以及薪水，这导致我稍后在代码中出现问题。


sal= '41 000€ à 63 000€ / an' #this is a sample string for which i have errors

regex = ' ?([0-9]* ?[0-9]?[0-9]?[0-9]?)'#this is my regex

re.findall(regex,sal)[0]
#returns '41 000' as expected but:
re.findall(regex,sal)[1]
#returns: '' 
#Desired result : '63 000'

#the whole list of matches is like this:
['41 000',
 '',
 '',
 '',
 '',
 '',
 '',
 '63 000',
 '',
 '',
 '',
 '',
 '',
 '',
 '',
 '',
 '']
# I would prefer ['41 000','63 000']

有人可以帮忙吗？谢谢

【问题讨论】：

您的模式可以匹配一个空字符串，所以实际上是您要求的。您要匹配的模式是什么？以空格作为数字分组符号的数字？试试r'(?<!\d)\d{1,3}(?: \d{3})*(?!\d)'
你可以试试这个模式 (\d+(?: \d{1,3})?)€ 和 findall 只返回工资。 Demo
np.concatenate(re.findall(regex,sal)[0],re.findall(regex,sal)[1])
是否只提取€ 后面的数字？然后尝试r'(?<!\d)(\d{1,3}(?:[ \xA0]\d{3})*)\s*€'，或r'(?<!\d)(\d+|\d{1,3}(?:[ \xA0]\d{3})*)\s*€'。见regex101.com/r/rwbpTx/1
谢谢大家！

标签： python regex string list findall

【解决方案1】：

使用re.findall 将在您在模式中使用它们时为您提供捕获组，并且您使用的组几乎所有内容都是可选的，从而在结果中为您提供空字符串。

在您的模式中，您使用 [0-9]* 将匹配 0+ 次数字。如果前导数字没有限制，您可以使用[0-9]+ 代替，而不是使其成为可选。

您可以将此模式与捕获组一起使用：

(?<!\S)([0-9]+(?: [0-9]{1,3})?)€(?!\S)

Regex demo | Python demo

说明

(?<!\S)断言左边不是非空白字符
(抓拍群
- [0-9]+(?: [0-9]{1,3})? 匹配 1+ 位数字，后跟与空格和 1-3 位数字匹配的可选部分
)关闭捕获组
€ 字面上匹配
(?!\S)断言右边不是非空白字符

您的代码可能如下所示：

import re
sal= '41 000€ à 63 000€ / an' #this is a sample string for which i have errors
regex = '(?<!\S)([0-9]+(?: [0-9]{1,3})?)€(?!\S)'
print(re.findall(regex,sal))  # ['41 000', '63 000']

【讨论】：