作者liquidbox (樹枝擺擺)
看板RegExp
標題[問題] 挑出千分位錯誤的數字
時間Fri Mar 13 19:32:41 2020
使用語言：Python 3
使用環境：Windows 10
我想製作一個小工具，檢查公司所需的文章，其格式是否存在一致性
其中一個格式是，阿拉伯數字必須要加千分位，
例如：123,000元(正確)、123000元(錯誤)
我知道在這條件下，正確的數字格式應該是：r'\d{1,3}(,\d{3})*(\.\d)?'
可是我現在想要做的是反過來，
就是檢查時，遇到不符合的數字就要標記起來，再以人眼確認
以免誤修到原本就不是用來表示數值的阿拉伯數字，如西元年份
我想到的條件很簡單，
就是只要連續四個以上的阿拉伯數字但中間沒逗號就是有嫌疑，所以寫r'\d{4,}'
我想請教的是，有沒有辦法用一條表達式，
在不根據數字後面的文字是年份或貨幣判斷下，
把至少1900~2099年間的西元年份給排除掉
因為每篇文章要檢查的條件可能高達千種以上，每種都要用一條表達式檢查
數字的千分位格式只是其中一個規定，
所以我希望，不到最後一刻別用if條件判斷式去排除西元年份，以免可讀性變差
才想說看能否整合成一個表達式
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.230.110.216 (臺灣)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/RegExp/M.1584099163.A.D9E.html
1F：→ CMJ0121: 先撈出來 再轉成 int 判斷可能比較快 03/13 20:12
2F：推 art1: (?!(19[0-9][0-9]|20[0-9][0-9]))\d{4,} 03/17 09:01
3F：→ art1: 測試資料有 1989、2010、1,358、4052 03/17 09:02
4F：→ art1: 用這條規則可以篩選出最後的 4052 03/17 09:02
5F：推 art1: (?!\d{1,3}(,\d{3})(,\d{3})?(\.\d)?) 03/17 09:09
6F：→ art1: (?!((?=19|20)[0-9][0-9]))\d{4,} 加上前面那段就能得到4052 03/17 09:09
7F：→ art1: 前一條規則是用來排除有千分位的數字，後一條排除西元年份 03/17 09:10
8F：推 art1: 3(?!((?:19|20)[0-9][0-9]))\d{4,} 改成這樣比較對 03/17 09:14
9F：→ art1: (?!((?:19|20)[0-9][0-9]))\d{4,} 改成這樣比較對 03/17 09:14
10F：推 art1: (?!(?:(?:19[0-9]|20[0-2])[0-9])) 這樣排除西元感覺更好 03/17 11:35
11F：→ liquidbox: 謝謝我晚點來試看看，原來還有(?!)(?:)層層套疊的用法 03/19 19:39
12F：→ adrianshum: negative look ahead 能做到嗎？你的「連續4數字沒逗 03/26 11:20
13F：→ adrianshum: 號」會miss掉逗號錯位的case 吧... 03/26 11:20
14F：推 asglay: \d{5,}|(?:0[0-9]|1[0-8]|2[1-9])\d{2} 04/18 06:10