Python 正则表达式 (regex) 匹配逗号分隔的数字 - 为什么这不起作用？

Question

我正在尝试解析来 self 的(德国)银行的交易信件。我想从下面的字符串中提取所有数字，这比我想象的要难。选项 2 几乎可以满足我的要求。我现在想修改它以捕获例如80也一样。

我的第一个尝试是选项 1，它只返回垃圾。为什么它会返回这么多空字符串？它应该总是至少有一个从第一个\d+ 开始的数字，不是吗？

选项 3 有效(或至少按预期有效)，所以我以某种方式回答了我自己的问题。我想我主要是在思考为什么选项 2 不起作用。

# -*- coding: utf-8 -*-
import re


my_str = """
Dividendengutschrift für inländische Wertpapiere

Depotinhaber    : ME

Extag           :  18.04.2013          Bruttodividende
Zahlungstag     :  18.04.2013          pro Stück       :       0,9800 EUR
Valuta          :  18.04.2013

                                       Bruttodividende :        78,40 EUR
                                      *Einbeh. Steuer  :        20,67 EUR
                                       Nettodividende  :        78,40 EUR

                                       Endbetrag       :        57,73 EUR
"""

print re.findall(r'\d+(,\d+)?', my_str)
print re.findall(r'\d+,\d+', my_str)
print re.findall(r'[-+]?\d*,\d+|\d+', my_str)

输出是

['', '', '', '', '', '', ',98', '', '', '', '', ',40', ',67', ',40', ',73']
['0,9800', '78,40', '20,67', '78,40', '57,73']
['18', '04', '2013', '18', '04', '2013', '0,9800', '18', '04', '2013', '78,40', '20,67', '78,40', '57,73']

Answer 1

选项 1 是最适合的正则表达式，但它无法正常工作，因为 findall 将返回捕获组 () 匹配的内容，而不是完整的匹配。

例如，您的示例中的前三个匹配项将是 18、04 和 2013，并且在每种情况下都是捕获组将不匹配，因此将向结果列表添加一个空字符串。

解决方案是让组不捕获

r'\d+(?:,\d+)?'

选项 2 仅在不匹配不包含逗号的序列时才有效。

选项 3 不是很好，因为它会匹配例如+,1。