Python正則表示式

情況：在一個EXCEL檔案中，記錄了眾多公司的賬目，單位有萬元和億元，彼此混雜。現想把單位統一為萬元，且不顯示出來

法一：利用EXCEL的公式

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

​ 此法比較受資料特徵侷限。如上述公式，只能應對千萬到百億之間的金額而且要位數固定

法二：用正則表示式

當然，C++11的<regex>庫也可以，但是這麼一個小東西python足夠了

python正則表示式

• re.search(pattern, string) -> Optional[Match[AnyStr]]
  查詢
• re.findall(pattern, string) -> list[anystr] 查詢全部
• re.sub(pattern, repl, string) -> the string 替換全部
• re.split(pattern, string) -> list[anystr] 以pattern為界限分割

統統可加一個flags選項

可以對正則表示式進行分組：

1. r"([a-z]+)([1-9]+)"，括號分別編號為group(1), group(2)

2. r"(?P<name1>[a-z]+)([1-9]+)"，在編號的基礎上，用(?P<name1>)

   又給分組指定了名字name1

下面是一個例子

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]+)(億)', convert_yi, line)
    temp2 = re.sub('(?P<wan>[-\.0-9]+)(萬)', convert_wan, temp)
    outfile.write(temp2)

infile.close()
outfile.close()