使用正则表达式解析财务报表

Question

我正在处理正则表达式查询以将特定模式的文本返回到组中。下面是我用正则表达式：r"([\w+ \-? \w+]* [\w+ ]+ [\(?\w+ \)?]*) (\(?[\d,-]+\)?) (\(?[\d,-]+\)?)"。以下是我正在解析的示例行以及我希望输出的内容：1) String: LOSS BEFORE INCOME TAXES (900,000) (900,000)Desired output: [('LOSS BEFORE INCOME TAXES', '(900,000)', '(900,000)')]Final result: correct 2) String: INCOME TAXES (RECOVERED) (90,000) (90,000)Desired output: [('INCOME TAXES (RECOVERED)', '(90,000)', '(90,000)')]Final result: correct3) String: RETAINED EARNINGS - BEGINNING OF YEAR 9,999,999 9,999,999Desired output: [('RETAINED EARNINGS - BEGINNING OF YEAR', '9,999,999', '9,999,999')]Final result: correct4) String: EXPENSESDesired output: ['EXPENSES']Final result: correct5) String: Subcontracts 8,058 2,655Desired output: [('Subcontracts', '8,000,000')]Final result: ['Subcontracts 8', '', '058 2', '', '655', '']6) String: Business taxes 116 -Desired output: [('Business taxes', '116', '-')]Final result: ['Business taxes 116 ', '', '']7) String: 600,000 600,000Desired output: [(600,000), (600,000)]Final result: ['642', '', '437 629', '', '070', '']8) String: Salaries, wages and benefits 400,000 400,000Desired output: [('Salaries, wages and benefits', '400,000', '400,000')]Final result: [(' wages and benefits', '463,437', '466,742')]我不确定我做错了什么或我错过了什么，但是 5、6、7 和 8 有问题。如何调整上述查询以使其涵盖所有提到的情况？提前致谢！

Answer 1

你可以试试这个队友

^([a-z, \(\)-]*?)?\(?([\d,]+)?\)?\s*?\(?([\d,-]+)?\)?$

解释

• ^ - 锚定到字符串的开头。

• ([a-z, \(\)-]+?)?- 匹配任何字符 a 到 z，或,or(或 ')` 或 '-' 零次或多次（懒惰模式）。

• \(?- 匹配(（?使其成为可选）。

• ([\d,]+)？- 匹配任何数字或,一次或多次。（?使其成为可选）。

• \)- 匹配)。

• \s*? - 匹配空间零次或多次。

• (?([\d,-]+)?\)?- 匹配任何数字或-。

• $ - 字符串结束。

Answer 2

我认为这个正则表达式会做你想做的：

^([A-Z][A-Za-z0-9 (),%;-]+?[^(\d\s])? ?(?:(\(?[\d,]+\)?|-)\s+(\(?[\d,]+\)?|-))?$

它查找一组字母字符，以字母开头，可能包括一些[(),%;-]，但不以 a (、数字或空格结尾，后跟两组可能()包围的数字和,或-。所有组都是可选的，以允许匹配没有描述或没有数字的行。

在 Python 中：

import re

data = """LOSS BEFORE INCOME TAXES (900,000) (900,000)

INCOME TAXES (RECOVERED) (90,000) (90,000)

RETAINED EARNINGS - BEGINNING OF YEAR 9,999,999 9,999,999

EXPENSES

Subcontracts 8,058 2,655

Business taxes 116 -

600,000 600,000

GROSS PROFIT (50%; 2016 - 50%) 500,000 500,000

Bad debts - 50

Salaries, wages and benefits 400,000 400,000"""

regex = re.compile('^([A-Z][A-Za-z0-9 (),%;-]+?[^(\d\s])? ?(?:(\(?[\d,]+\)?|-)\s+(\(?[\d,]+\)?|-))?$', re.MULTILINE)

print regex.findall(data)

输出：

[('LOSS BEFORE INCOME TAXES', '(900,000)', '(900,000)'),

 ('INCOME TAXES (RECOVERED)', '(90,000)', '(90,000)'),

 ('RETAINED EARNINGS - BEGINNING OF YEAR', '9,999,999', '9,999,999'),

 ('EXPENSES', '', ''),

 ('Subcontracts', '8,058', '2,655'),

 ('Business taxes', '116', '-'),

 ('', '600,000', '600,000'),

 ('GROSS PROFIT (50%; 2016 - 50%)', '500,000', '500,000'),

 ('Bad debts', '-', '50'),

 ('Salaries, wages and benefits', '400,000', '400,000')

]

Answer 3

试试下面的正则表达式

r"([\w ,()-]*)[\(?[\d, -]*\)?]*[\(?[\d, -]*\)?]*"