Python 3.6中用正则匹配价格，排除特定关键词后的价格

需求回顾 #

你需要从以下字符串中提取所有价格，但要排除紧跟在badword或badword2这类关键词后的价格：

foo bar $ 123.456 bar foo $ 652 $ 1.255.250 bar $ 2.000 foo badword $ 300.000 foo bar $ 123 badword2 $ 400

需要匹配的价格：

• 123.456
• 652
• 1.255.250
• 2.000
• 123

不需要匹配的价格：

• 300.000（紧跟badword）
• 400（紧跟badword2）

正则方案设计 #

你之前用的(\d+).(\d+)只能匹配带小数点的价格，而且没处理排除关键词的逻辑。我们可以用负向预查来实现排除规则，同时调整正则匹配所有符合格式的价格（包括整数和带多个小数点的千分位格式）。

最终的正则表达式如下：

(?<!badword\d?\s\$)\s\$\s(\d+(?:\.\d+)*)

正则解释 #

• (?<!badword\d?\s\$)：负向预查，确保当前位置前面不是badword（或badword2这类带数字的变体）加空格加$的组合，直接排除关键词后的价格。
• \s\$\s：匹配价格前的$（前后带空格），精准定位价格的前缀标识。
• (\d+(?:\.\d+)*)：匹配价格本身，支持整数（如652、123）和带多个小数点的千分位格式（如1.255.250、2.000），其中(?:\.\d+)*表示可以有0个或多个.\d+组合，非捕获组不干扰最终提取的分组结果。

Python 3.6 代码示例 #

import re

text = "foo bar $ 123.456 bar foo $ 652 $ 1.255.250 bar $ 2.000 foo badword $ 300.000 foo bar $ 123 badword2 $ 400"
pattern = r'(?<!badword\d?\s\$)\s\$\s(\d+(?:\.\d+)*)'
matches = re.findall(pattern, text)

print("提取到的价格：")
for price in matches:
    print(f"- {price}")

运行这段代码会输出：

提取到的价格：
- 123.456
- 652
- 1.255.250
- 2.000
- 123

如果你的关键词不止badword和badword2，可以扩展负向预查部分，比如用(?<!(badword|anotherword|thirdword)\d?\s\$)来匹配多个关键词的情况。

内容的提问来源于stack exchange，提问作者Argo