python - Python 和正则表达式将 wrtitten 数字转换为数字
问题描述
我正在尝试将书面数字转换为数值。
例如,要从此字符串中提取数百万:
text = 'I need $ 150000000, or 150 million,1 millions, 15 Million, 15million, 15Million, 15 m, 15 M, 15m, 15M, 15 MM, 15MM, 5 thousand'
至:
'I need $ 150000000, or 150000000,1000000, 15000000, 15000000, 15000000, 15000000, 15000000, 15000000, 15000000, 15000000, 15000000, 5 thousand'
我使用此函数首先删除数字中的任何分隔符:
def foldNumbers(text):
""" to remove "," or "." from numbers """"
text = re.sub('(?<=[0-9])\,(?=[0-9])', "", text) # remove commas
text = re.sub('(?<=[0-9])\.(?=[0-9])', "", text) # remove points
return text
我编写了这个正则表达式来查找常见的百万符号的所有可能模式。这 1) 查找数字并向前看 2) 数百万的常用符号,3) “[az]?” 部分是处理我已经删除“'”的百万或数百万的可选“s”。
re.findall(r'(?:[\d\.]+)(?= million[a-z]?|million[a-z]?| Million[a-z]?|Million[a-z]?|m| m|M| M|MM| MM)',text)
正确匹配百万数字并返回:
['150', '1', '15', '15', '15', '15', '15', '15', '15', '15', '15']
我现在需要做的是编写一个替换模式,在数字后插入“000000”,或者迭代数字并将数字乘以 100000。到目前为止,我已经尝试过:
re.sub(r'(?:[\d\.]+)(?= million[a-z]?|million[a-z]?| Million[a-z]?|Million[a-z]?|m| m|M| M|MM| MM)', "000000 ", text)
返回:
'I need $ 150,000,000, or 000000 million,000000 millions, 000000 Million, 000000 million, 000000 Million, 000000 m, 000000 M, 000000 m, 000000 M, 000000 MM, 000000 MM, 5 thousand'
我想我需要看看后面(?<=),但是在几次尝试之前和之后我都没有处理过这个问题,我似乎无法完成它。
仅供参考:我的计划是首先解决“百万”问题,然后为千 (K)、十亿 (B)、万亿 (T) 以及可能的其他单位(如距离、货币等)复制解决方案。我搜索了 SO 和谷歌对于 NLP 中的任何解决方案,文本清理和挖掘文章但没有找到任何东西。
解决方案
您可以通过一个相对简单的方法来完成此操作re.sub
:匹配
(?i)\b(\d+) ?m(?:m|illions?)?\b
捕获组中的初始数字,并替换为连接有 6 个零的组:
r'\g<1>000000'
https://regex101.com/r/IedRP4/1
代码:
text = 'I need $ 150000000, or 150 million,1 millions, 15 Million, 15million, 15Million, 15 m, 15 M, 15m, 15M, 15 MM, 15MM, 5 thousand'
output = re.sub(r'(?i)\b(\d+) ?m(?:m|illions?)?\b', r'\g<1>000000', text)
(因为替换中的组后面是数字,所以一定要使用\g<#>
语法而不是\#
语法)
推荐阅读
- unity3d - 为什么我的刀片方向和切水果的方向不一样?
- r - 带有 setAccountInfo 的 HTTP 403 (shinyapps.io)
- kubernetes - 获取 k8s rbac 用户的访问令牌
- android - Android(Java)中的无效令牌is_music错误
- vba - 更改不同表单/文本的所有相同 RGB 颜色
- python - 从抓取的链接中删除“#”
- linux - 使用 Bash 将文件移动到具有给定条件的目录
- android - setValue() 没有将数据保存到我的实时数据库
- java - 获取 java.sql.SQLException:用户''@'localhost' 的访问被拒绝(使用密码:否)
- angular - 不能在角度中使用 nz-tabset 和 nz-tab