本文介绍在网页爬虫场景下，如何使用正则表达式从含货币符号、逗号、小数点等格式的文本（如 "$1,299.99"）中精准提取纯数字字符串，并转换为数值类型，适用于价格比对等实际业务需求。
本文介绍在网页爬虫场景下，如何使用正则表达式从含货币符号、逗号、小数点等格式的文本（如 "$1,299.99"）中精准提取纯数字字符串，并转换为数值类型，适用于价格比对等实际业务需求。
在使用 Selenium 抓取网页价格时（例如 <p class="box-price-present">,299.99</p>），WebElement.getText() 返回的是原始显示文本，包含 $、,、空格等非数字字符。直接用于数值计算或比较会导致异常。因此，需对字符串进行清洗与解析。
✅ 推荐处理流程
- 提取原始文本：调用 price.getText() 获取字符串；
- 清洗非数字字符：保留数字和小数点（.），移除 $、,、空格、¥、€ 等所有干扰符号；
- 转换为数值类型：根据精度需求选择 Double.parseDouble() 或 BigDecimal（推荐用于价格，避免浮点误差）。
? 示例代码（完整可运行）
import org.openqa.selenium.By;
import org.openqa.selenium.WebElement;
import org.openqa.selenium.chrome.ChromeDriver;
public class PriceExtractor {
public static void main(String[] args) {
System.setProperty("webdriver.chrome.driver", "...driver\chromedriver.exe");
try (ChromeDriver driver = new ChromeDriver()) {
driver.manage().window().maximize();
driver.get("https://example.com/product");
WebElement priceElement = driver.findElement(By.xpath("//p[contains(@class, 'box-price-present')]"));
String rawPrice = priceElement.getText().trim();
System.out.println("原始文本: " + rawPrice); // e.g., "$1,299.99"
String numericStr = parseNumericPrice(rawPrice);
System.out.println("纯数字字符串: " + numericStr); // e.g., "1299.99"
// ✅ 安全转换：建议使用 BigDecimal 处理价格（避免 double 精度丢失）
java.math.BigDecimal priceValue = new java.math.BigDecimal(numericStr);
System.out.println("BigDecimal 价格: " + priceValue); // 1299.99
// ⚠️ 若必须用 double，请确保输入格式可靠（小数点仅出现一次）
// double priceDouble = Double.parseDouble(numericStr);
}
}
/**
* 从价格文本中提取仅含数字和小数点的字符串
* 支持带千分位逗号、货币符号、空格、中文符号（如“¥”）的混合输入
*/
public static String parseNumericPrice(String input) {
if (input == null || input.trim().isEmpty()) {
return "0";
}
// 保留数字 0-9 和小数点 .，移除其余所有字符
// 注意：正则 [^0-9.] 中的点无需转义（在字符类内是字面量）
return input.replaceAll("[^0-9.]", "");
}
}⚠️ 关键注意事项
- 小数点唯一性：若原始文本含多个小数点（如 "1.23.45"），正则会保留全部，导致 parseDouble 失败。建议增加校验逻辑（如只保留第一个小数点）；
- 千分位处理：本方案自动移除逗号，无需额外处理；
- 国际化兼容：若遇到 1.234,56（欧洲格式，逗号为小数点），需先识别区域格式再预处理，不能依赖通用正则；
- 空值与异常防护：务必对 null、空字符串、纯非数字输入做兜底（如返回 "0"），并在 parseDouble/BigDecimal 调用处添加 try-catch；
- 性能提示：正则 replaceAll 在单次调用中开销极小，无需过度优化。
✅ 总结
从网页文本中提取纯数字价格，核心在于「精准清洗 + 类型安全转换」。replaceAll("[^0-9.]", "") 是简洁可靠的起点；而 BigDecimal 是金融级价格处理的黄金标准。结合 Selenium 的稳定抓取能力，即可构建鲁棒的价格采集与比对系统。
