Python正则表达式

情况：在一个EXCEL文件中，记录了众多公司的账目，单位有万元和亿元，彼此混杂。现想把单位统一为万元，且不显示出来

法一：利用EXCEL的公式

= IF(VALUE(MID(B2,1,5)) < 1000, MID(B2,1,5)*10000, MID(B2, 1, 5))

​ 此法比较受数据特征局限。如上述公式，只能应对千万到百亿之间的金额而且要位数固定

法二：用正则表达式

当然，C++11的<regex>库也可以，但是这么一个小东西python足够了

python正则表达式

• re.search(pattern, string) -> Optional[Match[AnyStr]]查找
• re.findall(pattern, string) -> list[anystr] 查找全部
• re.sub(pattern, repl, string) -> the string 替换全部
• re.split(pattern, string) -> list[anystr] 以pattern为界限分割

统统可加一个flags选项

可以对正则表达式进行分组：

1. r"([a-z]+)([1-9]+)"，括号分别编号为group(1), group(2)

2. r"(?P<name1>[a-z]+)([1-9]+)"，在编号的基础上，用(?P<name1>)又给分组指定了名字name1

下面是一个例子

import re

def convert_yi(matched):
    yi = float(matched.group('yi'))
    return str(format(yi * 10000, '.0f'))

def convert_wan(matched):
    wan = float(matched.group('wan'))
    return str(format(wan, '.0f'))

infile = open("D:\\codes\\test\\abc.csv", "r", encoding='UTF-8')
outfile = open("D:\\codes\\test\\result.csv", "a", encoding='UTF-8')

for line in infile.readlines():
    temp = re.sub('(?P<yi>-?[0-9]*?\.?[0-9]*?)(亿)', convert_yi, line)
    temp2 = re.sub('(?P<wan>-?[0-9]*?\.?[0-9]*?)(万)', convert_wan, temp)
    outfile.write(temp2)

infile.close()
outfile.close()