Python正则表达式需求：提取文本中的融资金额（含货币标识）

需求与示例 #

需要提取文本中的企业融资金额，需包含货币符号（如$、€）或货币代码（如CAD），处理以下示例数据：

• Company Fragile9 Closes €9M Series B Funding
• Appplle21 Receives CAD$17.5K in Equity Financing
• Cat Raises $10.8 Millions in Series A Funding
• Sun Raises EUR35M in Funding at a $1 Billion Valuation
• Japan1337 Announces JPY 1.78 Billion Funding Round

期望提取结果：

• €9M
• CAD$17.5K
• $10.8 Millions
• EUR35M
• JPY 1.78 Billion

问题分析 #

原正则表达式覆盖场景不全，未匹配完整货币代码、"Billion"这类拼写形式，且符号匹配存在遗漏，导致部分案例无法正确提取。

解决方案正则表达式 #

pattern = r'(([A-Z]{2,3})\s?)?([\$€£¥₣₹])?\s?(\d+\.?\d*)\s?(K|M|(M|B)illion)'

正则表达式各部分解释 #

• (([A-Z]{2,3})\s?)?：匹配可选的货币代码（如CAD、EUR、JPY），允许代码后带一个空格，?表示该部分可选
• ([\$€£¥₣₹])?：匹配可选的货币符号，?表示符号可选
• \s?：匹配可选的空格
• (\d+\.?\d*)：匹配数字部分，支持整数和小数（如9、17.5、10.8）
• \s?：匹配数字和单位之间的可选空格
• (K|M|(M|B)illion)：匹配金额单位，包括缩写（K、M）和完整拼写（Million、Billion）

完整代码示例 #

import re

test_texts = [
    "Company Fragile9 Closes €9M Series B Funding",
    "Appplle21 Receives CAD$17.5K in Equity Financing",
    "Cat Raises $10.8 Millions in Series A Funding",
    "Sun Raises EUR35M in Funding at a $1 Billion Valuation",
    "Japan1337 Announces JPY 1.78 Billion Funding Round"
]

pattern = r'(([A-Z]{2,3})\s?)?([\$€£¥₣₹])?\s?(\d+\.?\d*)\s?(K|M|(M|B)illion)'

for text in test_texts:
    try:
        match = re.search(pattern, text, re.IGNORECASE)
        if match:
            result = match.group().strip()
            # 处理格式：货币代码/符号大写，单位缩写转大写、拼写保留原格式
            parts = re.split(r'(\d+\.?\d*)', result)
            processed = []
            for part in parts:
                stripped_part = part.strip()
                if stripped_part in ['k', 'm']:
                    processed.append(stripped_part.upper())
                elif stripped_part.lower() in ['million', 'billion']:
                    processed.append(part)
                else:
                    processed.append(part.upper())
            final_result = ''.join(processed).strip()
            print(final_result)
        else:
            print('???')
    except:
        print('???')

代码说明 #

• 用re.IGNORECASE忽略大小写，兼容不同大小写的货币代码和单位
• 对匹配结果做格式调整，保证货币代码、符号统一大写，单位拼写保留原形式（如Millions不转全大写），缩写统一大写
• 遍历测试文本，输出提取结果

测试结果 #

运行代码后输出：

• €9M
• CAD$17.5K
• $10.8 Millions
• EUR35M
• JPY 1.78 Billion

内容的提问来源于stack exchange，提问作者classicandy