正则表达式查找单词形式的大数字

Question

我正在尝试从字符串中提取单词形式的数字。例如，输入字符串可能类似于：

"What is 3 million 6 hundred 5 divided by 5 hundred?"

根据这个输入，我想弄清楚如何将这两个数字分组。

["3 million 6 hundred 5", "5 hundred"]

注意：在其他输入字符串中可能会找到更多数字。

我相信正则表达式是解决这个问题的正确途径。理想情况下，我可以传递一个比例列表，例如：

["hundred", "thousand", "million", "billion", ...]

到目前为止，这就是我所拥有的：

scales= ["hundred", "thousand", "million", "billion"]
scale_pattern = '|'.join(scales)
regex = re.compile('\b(d+' + scale_pattern + 'd+)+\b')

我知道我的模式不太正确，我想要的伪代码是：

for any number of the following occurrences:
    find the pattern [int word_from_list optional_int]

Answer 1

理想情况下我可以传递一个比例列表

您可以像这样将它们传递到非捕获组或捕获组中。

正则表达式： (?:\d+\s(?:million|hundred|thousand|billion)*\s*)+

上面是一个简单的正则表达式，检查数字\d+后跟空格\s和比例，对于最后一个数字后跟可选空格，比例是可选的（通过使用*量词）。整个模式重复一次或多次（通过使用+量词）。

Regex101 演示