如何使用python提取具有可变内容的数据？

Question

我在试着建立一个市场分析工具。原始数据输入的格式如下：

20,000股，每人550美元

意思是"20,000股，每股550美元“。

通常，我会用以下代码获取价格：

value = re.findall(re.compile('20,000 shares for (.*) USD each'), data)

然而，这种方法失败了，因为股票的数量(在本例中是2万股)的变化以及价格的变化。有更好的方法来提取这些数据吗？

对我的问题的不恰当描述，我事先表示歉意；我是Python的新手，我不知道在这个场景中使用什么技术术语。如果有更好的方式，我的标题，请随时编辑，并感谢您提前！

Answer 1

您可以使用更一般的模式，如：

([\d,.]+) shares for ([\d,.]+) USD each

另外，如果您想坚持使用.*来匹配值，最好通过将它转换为.*?来减少它的贪婪，这样它就不会占用您输入的其余部分。

如果输入可以以each或per share结尾，请使用以下方法：

([\d,.]+) shares(?: of stock)? at ([\d,.]+) USD (?:each|per share)

将?:放在开括号后，使其成为一个不匹配的组，因此它不会与您感兴趣的数字一起捕获。

Answer 2

使用字符类在正则表达式中指定股票编号和股价。

(\d[\d,.]*) shares for ([\d,.]+) USD each

根据数据的外观，您可能不需要那么小心地捕获分隔符。例如，如果只交易整个股票，则不需要第一个数字组中的小数点。

如果您可能在多个数据集上使用相同的正则表达式，则应该将其与在findall中使用的正则表达式分别编译。

import re
compiled_regex = re.compile("""(\d[\d,.]*) shares for ([\d,.]+) USD each""")

trades1 = re.findall(compiled_re, data1)
trades2 = re.findall(compiled_re, data2)