正则表达式:将数字字符串更改为标准可解析格式

Question

我正在尝试编写一个替换函数，它将接受一个字符串，如果它将它标识为一个数字，则会将其更改为标准格式的数字(在大多数语言中都是可解析的)

是否可以使用单个正则表达式来实现？最终有几个后续的替代品？

我在用

scala org.apache.spark.sql.functions.regexp_replace 

regexp_replace(col(x), "regex that will identify number", "standard format number"))

标准格式示例:'-2421', '22.4536', '6.25367E-08', '6.25367e-08' <- 这些被证明可以解析为 float

我可能处理的可能字符串，以及我想用什么替换它们:

111,222,333.444 -> 111222333.444
111,222,333,444 -> 111222333444
-1,2 -> -1.2
1,22 -> 1.22
1,222 -> 1222
1,000 -> 1000 (if there are 3 digits after commas, it is thousands separator, not decimal)

数字字符串的末尾可能有 '%'，在这种情况下，适用上述规则:

1,22% -> 1.22%

其他符号或字母(除了 '6.25367E-08' 中的 e/E 除外)取消字符串作为数字的资格(因此不会进行替换)

Answer 1

使用单个正则表达式可能是不可能的。

问题在于您必须首先将字符串标识为“有效数字”(可行)，然后确定要删除的字符串的子部分(在单个正则表达式中不可行)。

幸运的是，您正在编写一个函数，因此如果您愿意根据多个正则表达式检查字符串，这里有一些可以满足您的要求。请注意，所有这些都假设您只传递一个数字，而不是其他任何东西。

千位分隔符
^-?\d{1,3}(?:,\d{3})+(?:\.\d+)?$
此正则表达式断言在行的开头和结尾之间，有一个可选的负号，一到三位数字，后跟一个重复的非捕获组。这个非捕获组是一个逗号后跟 3 位数字，并且重复一次或多次。结束的非捕获组是一个可选的小数点，后跟一位或多位数字。请注意，这只会匹配千位分隔符的逗号，而不会匹配像 12 这样的无逗号数字。 .

如果此组匹配，您需要识别并删除逗号。这可以通过第二个更简单的正则表达式来完成:,
Try it here!

逗号代替小数
^-?\d+,(?:(?:\d{1,2})|(?:\d{4,}))$
此正则表达式断言在行的开头和结尾之间，有一个可选的负号、一个或多个数字和一个逗号。然后，正则表达式在逗号后选择 1 或 2 位数字，或在逗号后选择 > 4 位数字(但不是 3，那是数千位!)。如果您只关心一位或两位数字的逗号小数，就像在您的示例中一样，那就是 ^-?\d+,\d{1,2}$
如果此组匹配，您需要识别逗号，并将它们替换为句点。这也可以使用正则表达式 , 来完成。

Try it here!

逗号而不是小数，末尾有 %
^-?\d+,\d+%$
(我将假设如果最后有 %，无论如何它都是小数 - 正则表达式将 1,000% 视为 1.000% 。)

此正则表达式断言，在行的开头和结尾之间，有一个可选的负号、一个或多个数字、一个逗号，然后是一个或多个数字，后跟 %符号。

如果该组匹配，您将需要识别并删除逗号 - 您知道该练习。

Try it here!

科学计数法

(您没有指定应该用科学记数法做什么，所以这个正则表达式匹配逗号或句点。)
^-?\d[.\,]\d+[eE]-?\d+$
此正则表达式断言，在行的开头和结尾之间，有一个可选的负号、一个数字、一个句点或逗号、一个或多个数字、小写或大写 E、一个可选的负号和一个或多个数字。

我不确定你打算用这个正则表达式做什么，但我假设你现在已经有了编辑字符串所需的东西。

Try it here!

所有这些都在一起

如果您只是想看看是否可以将字符串解析为数字。
(?:^-?\d[.\,]\d+[eE]-?\d+$)|(?:^-?\d+,\d+%$)|(^-?\d+,(?:(?:\d{1,2})|(?:\d{4,}))$)|(?:^-?\d{1,3}(?:,\d{3})+(?:\.\d+)?$)
Try it here!

祝你好运!