如何构造正则表达式以识别美元（$）金额

Question

我正在尝试创建一个可以识别金额（以美元为单位）的正则表达式。 问题是数据是由OCR在扫描的PDF文件上生成的，因此数据不精确：

• $可以用S表示
• . 可以表示,
• 1可以由l或I表示
• 5可以用S表示

例子：

Data:       What is should be:
S0.01    => $0.01
S1       => $1
S400.05  => $400.05
$0,01    => $0.01
S0,SI    => $0.51

问题：是否可以构造可以搜索这种复杂模式的正则表达式？

Answer 1

没那么复杂。 从可以匹配“原始”输出的正则表达式开始，例如

\$[0-9]+(\.[0-9]{2})?

现在，只需将可疑字符替换为其他字符即可。

[$S][0-9SIl]+([.,][0-9SIl]{2})?

, but that's unavoidable with regular expressions alone. 这可能会给您带来误报，因为您会在“我读了棒球和篮球新闻的SI”这样的句子中“找到” $1 （SI是《 》的缩写，但仅凭正则表达式不可避免）。

一旦您完成了比赛，结果转换成其认为是正确的形式很简单：更换任何最初的S与$ ，任何,有. 和任何其它S带5 。