代码之家 › 专栏 › 技术社区 › sudonym

python中的价格解析——如何在任何数字第一次出现之前将列表中的所有字符串拆分一次?

list-comprehension string python

sudonym · 技术社区 · 6 年前

我有一个字符串列表,如下所示:

输入:

prices_list = ["CNY1234", "$ 4.421,00", "PHP1,000", "â¬432"]

我想把所有东西都拿走,除了。 isdigit() ,和 '.|,' .换句话说,我想在任何数字第一次出现之前用 maxsplit=1 以下内容:

期望输出:

["1234", "4.421,00", "1,000", "432"]

第一次尝试(两个regex替换) 以下内容:

# Step 1: Remove special characters
prices_list = [re.sub(r'[^\x00-\x7F]+',' ', price).encode("utf-8") for price in prices_list]
# Step 2: Remove [A-Aa-z]
prices_list = [re.sub(r'[A-Za-z]','', price).strip() for price in prices_list]

电流输出:

['1234', '$ 4.421,00', '1,000', '432']   # $ still in there

第二次尝试(仍有两个regex替换):

prices_list = [''.join(re.split("[A-Za-z]", re.sub(r'[^\x00-\x7F]+','', price).encode("utf-8").strip())) for price in price_list]

这(当然)导致了与我第一次尝试相同的输出。而且,它也不短,看起来很难看。有更好(更短)的方法吗?

第三次尝试(列表理解/嵌套 for -循环/无regex):

prices_list = [''.join(token) for token in price for price in price_list if token.isdigit() or token == ',|;']

其产生:

NameError: name 'price' is not defined

如何最好地分析上述价目表?

2 回复 | 直到 6 年前

koPytok 6 年前

如果您只需要留下特定的字符,最好让regex执行以下操作:

import re

prices_list = ["CNY1234", "$ 4.421,00", "PHP1,000", "â¬432"]

prices = list()
for it in prices_list:
    pattern = r"[\d.|,]+"
    s = re.search(pattern, it)
    if s:
        prices.append(s.group())

> ['1234', '4.421,00', '1,000', '432']

Andres Salgado 6 年前

问题

如果我错了,请纠正我,但本质上你是想删除符号等,只留下任何尾随的数字,对吗?

我想在任何数字第一次出现之前拆分

我认为,这是构建您试图解决的regex问题的最简单方法。

解决方案

# -*- coding: utf-8 -*-
import re

# Match any contiguous non-digit characters
regex = re.compile(r"\D+")

# Input list
prices_list = ["CNY1234", "$ 4.421,00", "PHP1,000", "â¬432"]

# Regex mapping
desired_output = map(lambda price: regex.split(price, 1)[-1], prices_list)

这给了我 ['1234', '4.421,00', '1,000', '432'] 作为输出。

解释

这是因为lambda和map函数。基本上,map函数接受一个lambda(一个可移植的,如果愿意的话一行函数),并在列表中的每个元素上执行它。负索引接受列表与 split 方法生成

从本质上讲,这是因为您不希望在输出中有任何初始非数字。

注意事项

此代码不仅保留 . 和 , 在生成的子字符串中,但是 全部的 结果子字符串中的字符。因此,输入字符串 "$10e7" 将输出为 '10e7' .
如果你只有数字和 . 和 ,请 ,例如 "10.00" 作为输入字符串,您将得到 '00' 在输出列表中的相应位置。

如果这些都不是所需的行为,则必须除去 regex.split(price, 1) 并对生成的列表进行进一步的处理,这样您就可以处理使用regex时出现的所有麻烦的边缘情况。

不管怎样,我都会尝试用更极端的例子来证明这是你需要的。