我有一个抓取价格的网络爬虫，因为我需要它来查找字符串中的以下价格：
在我的第一个天真的实现中，我没有采用 .考虑并将第一个数字与此正则表达式完美匹配：
re.findall("\d+,\d+", string)[0]
现在我需要匹配这两种情况，我最初的想法是这样的：
re.findall("(\d+.\d+,\d+|\d+,\d+)", string)[0]
有一个想法，使用 or 运算符，可以找到第一个或第二个，这不起作用，有什么建议吗？
【问题讨论】：
1.843,75 是 1,843.75 吗？
标签： python regex python-2.7
不需要使用或，只需将第一部分作为可选参数添加：
(?:\d+\.)?\d+,\d+
(?:\d+\.) 之后的? 使其成为可选参数。
'?:' 表示不捕获该组，只需匹配即可。
>>> re.findall(r'(?:\d+\.)?\d+,\d+', '1.843,75 762,50')
['1.843,75', '762,50']
另请注意，您必须转义与除换行符以外的任何字符匹配的.（点）（请参阅http://docs.python.org/2/library/re.html#regular-expression-syntax）
【讨论】：
re.findall 不包含未被组捕获的部分。例如，re.findall(r'(\d+\.)?\d+,\d+', '1.843,75') 返回['1.']。
(?:...)，您不需要用括号将整个模式括起来。
在正则表达式中，点 (.) 匹配任何字符（换行符除外，除非未设置 DOTALL 标志）。转义它以匹配 . 字面意思：
\d+\.\d+,\d+|\d+,\d+
^^
要匹配多个前导数字，正则表达式应为：
>>> re.findall(r'(?:\d+\.)*\d+,\d+', '1,23 1.843,75 123.456.762,50')
['1,23', '1.843,75', '123.456.762,50']
注意使用非捕获组，因为 re.findall 如果模式中存在一个或多个组，则返回组列表。
更新
>>> re.findall(r'(?<![\d.])\d{1,3}(?:\.\d{3})*,\d+',
... '1,23 1.843,75 123.456.762,50 1.2.3.4.5.6.789,123')
['1,23', '1.843,75', '123.456.762,50']
【讨论】：
\.? 不适用于1,75。
1.2.3.4.5.6.789,123
怎么样：
(\d+[,.]\d+(?:[.,]\d+)?)
匹配：
- 一些数字后跟 , 或 .还有一些数字
或
- 一些数字后跟 , 或 .和一些数字后跟 , 或 .还有一些数字
匹配：762,50 和 1.843,75 和 1,75
它也会匹配 1.843.75 你同意吗？
【讨论】：
我会用这个：
\d{1,3}(?:\.\d{3})*,\d\d
这将匹配以点为千位分隔符的数字
【讨论】：
\d*\.?\d{3},\d{2}
【讨论】：
这可能比正则表达式慢，但考虑到您正在解析的字符串可能很短，这应该没关系。
由于下面的解决方案不使用正则表达式，因此它更简单，并且您可以更加确定您找到了有效的浮点数。此外，它将数字字符串解析为 Python 浮点数，这可能是您打算执行的下一步。
import locale
locale.setlocale(locale.LC_ALL, 'en_DK.UTF-8')
def float_filter(iterable):
result = []
for item in iterable:
try:
result.append(locale.atof(item))
except ValueError:
pass
return result
text = 'The price is 762,50 kroner'
print(float_filter(text.split()))
产量
[762.5]
基本思想：通过设置丹麦语言环境，locale.atof 将逗号解析为十进制标记，将点解析为分组分隔符。
In [107]: import locale
In [108]: locale.setlocale(locale.LC_ALL, 'en_DK.UTF-8')
Out[108]: 'en_DK.UTF-8'
In [109]: locale.atof('762,50')
Out[109]: 762.5
In [110]: locale.atof('1.843,75')
Out[110]: 1843.75
【讨论】：
通常，您有一组零个或多个XXX.，后跟一个或多个XXX,，每个最多3 个数字，后跟两个数字（总是）。您是否还想支持1,375 之类的数字（没有'cents'？）。还需要避免一些误检测的情况。
看起来像这样：
matcher=r'((?:(?:(?:\d{1,3}\.)?(?:\d{3}.)*\d{3}\,)|(?:(?<![.0-9])\d{1,3},))\d\d)'
re.findall(matcher, '1.843,75 762,50')
这会检测到很多边界情况，但可能无法捕捉到所有情况......
【讨论】：