如何编写正则捕获x美元x美分格式字符串，解决Python匹配异常？

• Python的re.findall()方法存在特殊规则：当正则表达式中包含捕获分组时，返回结果只会是所有分组的匹配内容，而非整个正则匹配到的完整字符串。你目前输出的元组，就是正则里定义的多个捕获分组分别返回的结果。
• 你原有正则里写了多个不必要的捕获分组，包括(s?)、(and )、(cent(s)?)，这些分组你不需要单独提取的话，都会占用返回结果的位置，导致你拿不到完整的金额字符串。
• 补充一个小问题：定义正则时最好加r前缀标记为原始字符串，避免Python解释器提前转义特殊字符，引发意料之外的匹配错误。

方案1：仅提取完整的金额字符串 #

把所有非必要的捕获分组改为非捕获分组（分组开头加?:），同时简化数字匹配的写法：
正则表达式：r'\d+ (?:dollars?)(?:\s+and \d+ cents?)?'

优化后代码示例 #

import re

# 更推荐用with语句管理文件，自动处理关闭逻辑
with open(r"C:\Users\inigo\PycharmProjects\pythonProject\all-OANC.txt", encoding='utf8') as train:
    strain = train.read()

pattern2 = re.compile(r'\d+ (?:dollars?)(?:\s+and \d+ cents?)?')
matches = pattern2.findall(strain)

for match in matches:
    print(match)

输出结果就会是1 dollar、2 dollars and 71 cents这类完整的金额内容。

方案2：需要单独提取美元、美分数值 #

如果后续需要分别拿到美元数、美分数，只需要给对应部分加捕获分组即可：
正则表达式：r'(\d+) (?:dollars?)(?:\s+and (\d+) cents?)?'

对应代码示例 #

import re

with open(r"C:\Users\inigo\PycharmProjects\pythonProject\all-OANC.txt", encoding='utf8') as train:
    strain = train.read()

pattern2 = re.compile(r'(\d+) (?:dollars?)(?:\s+and (\d+) cents?)?')
matches = pattern2.findall(strain)

for dollar_cnt, cent_cnt in matches:
    # 没有美分的场景下，cent_cnt为空字符串，默认补0即可
    cent_cnt = cent_cnt if cent_cnt else "0"
    print(f"美元金额：{dollar_cnt}，美分金额：{cent_cnt}")

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