从文本文件中提取数字，不包括日期

Question

我有从文本文件中提取数字的简单代码。它看起来像这样：

import re

codata = []

with open(r"filename.txt") as file:

    for line in file:

        for i in re.findall(r'\d+(?:\.\d+)?', line):

            codata.append(i)

文本包含很多财务数据和很多我不想要的日期。有没有一种简单的方法可以修改代码以排除日期？日期通常遵循这些格式（我使用特定日期作为格式示例，但它可以是任何日期）：

August 31, 2018

8/31/2018

8/31/18

August 2018

FY2018

CY2018

fiscal year 2018

calendar year 2018

这是一个例子。我有一个包含以下文本的文本文件：

“就本节所述的财务分析而言，“隐含的合并对价”一词是指交易中规定的每股对价的隐含价值 80.38 美元，包括 20.25 美元的对价现金部分和隐含价值根据 XXX 2018 年 7 月 14 日每股 218.67 美元的收盘价计算的 0.275 股 XXX 普通股的股票部分。”

当我运行我上面发布的代码时，我从print(codata)以下位置得到这个输出：

['80.38', '20.25', '0.275', '218.67', '14', '2018']

我想得到这个输出：

['80.38', '20.25', '0.275', '218.67']

所以我不想拿起与 date 相关的数字 14 和 2018 "July 14, 2018"。如果我知道文本中与日期相关的任何数字都具有我上面概述的格式，我应该如何修改我的代码以获得所需的输出？

Answer 1

很难准确理解你想要什么。但是如果你只是在寻找数字，你可以这样做（如果它有小数，请改用浮点数）。import recodata = []with open(r"filename.txt") as file:    for line in file:        for i in re.findall(r'\d+(?:\.\d+)?', line):            try:                codata.append(int(i))            except:                continue

Answer 2

考虑到文本示例，我假设每个价格都以 $ 符号开头，在这种情况下，您可能正在寻找以下正则表达式：r"(?<=\$)\d+\.?\d*(?=&nbsp;)"结果将是：['80.38',&nbsp;'20.25',&nbsp;'218.67']或者，如果您想要列表中的 $ 符号，则正则表达式将是：r"\$\d+\.?\d*(?=&nbsp;)"在这种情况下的结果：['$80.38',&nbsp;'$20.25',&nbsp;'$218.67']澄清一下，(?<=\$)意味着我们的匹配需要通过 $ 符号进行，但 $ 符号不会添加到输出中。(?= ) 表示价格后面应该跟空格。