如何构建正则表达式来识别美元 ($) 金额
How to construct regex to identify dollar ($) money sum
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，所以数据不精确：
$可以表示为S.可以表示为,1可以表示为l或I5可以表示为S
示例：
Data: What is should be:
S0.01 => [=10=].01
S1 =>
S400.05 => 0.05
[=10=],01 => [=10=].01
S0,SI => [=10=].51
问题：是否可以构造一个正则表达式来搜索如此复杂的模式？
没那么复杂。从一个可以匹配 "pristine" 输出的正则表达式开始，比如
$[0-9]+(\.[0-9]{2})?
现在，只需将有问题的字符替换为其他字符即可。
[$S][0-9SIl]+([.,][0-9SIl]{2})?
这可能会给您带来误报，因为您会 "find" </code> 在像 "I read SI for baseball and basketball news" 这样的句子中（SI 是杂志 <i>体育画报</i>，但单独使用正则表达式是不可避免的。</p>
<p>匹配完成后，<em>将结果</em>转换为假定的正确形式很简单：将任何初始 <code>S 替换为 $，任何, 与 .，以及任何其他 S 与 5。
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，所以数据不精确：
$可以表示为S.可以表示为,1可以表示为l或I5可以表示为S
示例：
Data: What is should be:
S0.01 => [=10=].01
S1 =>
S400.05 => 0.05
[=10=],01 => [=10=].01
S0,SI => [=10=].51
问题：是否可以构造一个正则表达式来搜索如此复杂的模式？
没那么复杂。从一个可以匹配 "pristine" 输出的正则表达式开始，比如
$[0-9]+(\.[0-9]{2})?
现在，只需将有问题的字符替换为其他字符即可。
[$S][0-9SIl]+([.,][0-9SIl]{2})?
这可能会给您带来误报，因为您会 "find" </code> 在像 "I read SI for baseball and basketball news" 这样的句子中（SI 是杂志 <i>体育画报</i>，但单独使用正则表达式是不可避免的。</p>
<p>匹配完成后，<em>将结果</em>转换为假定的正确形式很简单：将任何初始 <code>S 替换为 $，任何, 与 .，以及任何其他 S 与 5。