从字符串列表中提取工资

Question

我正在尝试从字符串列表中提取工资。我正在使用正则表达式 findall() 函数，但它返回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']

有人能帮忙吗？谢谢

Answer 1

当您在模式中使用 re.findall 时，使用 re.findall 将为您提供捕获组，并且您正在使用一个几乎所有内容都是可选的组，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]* 匹配数字 0+ 次。如果前导数字没有限制，您可以使用 [0-9]+ 而不是使其成为可选的。

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)断言左边的不是非白色space字符
( 捕获组
- [0-9]+(?: [0-9]{1,3})? 匹配 1+ 个数字，后跟匹配 space 和 1-3 个数字的可选部分
) 关闭捕获组
€字面匹配
(?!\S)断言右边不是非白色space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']

从字符串列表中提取工资

Extract salaries from a list of strings

python

regex

string

list

findall