shell regex：提取价格

发布时间：2020-12-16 01:58:41 所属栏目：安全来源：网络整理

导读：鉴于以下价格清单,我试图弄清楚如何标准化/仅提取数字. INPUT DESIRED_OUTPUTCA$1399.00 1399.00#36;1399.11 1399.11$1,399.22 1399.22Z$1 399.33 1399.33$1399.44# 1399.44C$1399.55 1399.551,399.66 1399.661399.77 1399.77,1399.88 1399.8825 1399.88 139

鉴于以下价格清单,我试图弄清楚如何标准化/仅提取数字.

INPUT          DESIRED_OUTPUT

CA$1399.00     1399.00
&#36;1399.11   1399.11
$1,399.22<     1399.22
Z$1 399.33     1399.33
$1399.44#      1399.44
C$1399.55     1399.55
1,399.66       1399.66
1399.77        1399.77,1399.88       1399.88
25 1399.88     1399.88
399.99          399.99
88.88 99.99      99.99 (if >2 matches on one line,only the last one matters)
.1399.88         DO NOT MATCH (not a price; too many ".")
666.000          DO NOT MATCH (not a price: too many 0's)

我想开始的是他们都有共同点的好主意：

>价格始终包含.NN,但从不包含.NNN

经过进一步检查,其他规则变得明显：

> .NN必须以一个或多个数字开头.
> NNN.NN前面可以是,或简单的数字,但没有别的.
>任何跟随.NN和前面的* N.NN标记比赛结束.
>最后,正则表达式需要考虑像1,399.66(1399.66)之类的逗号,以确定它是否是一个价格,然后剥离它们.例如,1,399.66不等于1399.66：它应该是399.66.

我正在寻找sed,grep和awk以获得便携而有效的解决方案.我该如何处理这个问题呢？

我找到了similar question,但我不知道如何使用sed尝试以下正则表达式：

^d+(,d{1,2})?$

编辑：是的,我的输入格式可能有点奇怪,因为它是拼接页面串联的结果.

解决方法

您可以使用以下shell脚本：

#/bin/sh
grep -v '.d+.' | # get rid of lines with multiple dots within the same number
grep -v '.ddd+' | # get rid of lines with more than 2 digits after .
sed -e 's/(.*.[0-9][0-9]).*$/1/' | # remove anything after last .NN
sed -e 's/^.* ([0-9][0-9][0-9][0-9])./1./' | # "* NNNN." => "NNNN."
sed -e 's/^.* ([0-9][0-9])./1./' | # "* NN." => "NN."
sed -e 's/^.* ([0-9])./1./' | # "* N." => "N."
sed -e 's/^(.*)[,](([0-9]){3,})./12./g' | # "*,NNN." or "* NNN." => "*NNN."
sed -e 's/^(.*)[,](([0-9]){6,NNNNNN." or "* NNNNNN." => "*NNNNNN."
sed -e 's/^(.*)[,](([0-9]){9,NNNNNNNNN." or "* NNNNNNNNN." => "*NNNNNNNNN."
grep -o 'd+.dd' # print only the price

如果数字由空格分隔,或者以3位数字组合,此解决方案最多可以在9位之前运行.如果您需要提取更大的价格,只需添加更多行,将正则表达式中的数字增加3.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!