Ruby 获取正则表达式以从非结构化文本返回数字范围（例如薪水）

我试图从电子邮件和招聘广告中提取工资信息

我需要一个正则表达式，该正则表达式将返回范围或薪水号码的第一个实例（我还希望避免在字符串后面出现匹配的电话号码），例如

我已经走了这么远

/(£|$)?[0-9][0-9]{0,5}[0-9,k]?(-| - | to )?((£|$)?[0-9][0-9]{0,5}[0,5,k]?)?/

或者稍微增强一点：

/(£|$)?[0-9][0-9]{0,5}[0-9,k]?(-| - | to )?((£|$)?[0-9][0-9][0,5,k]?)? ?(ph|pw|pa| per|per)? ?(hour|annum|week|month)?/

有点不错，但不匹配整个子串编号范围，似乎有很多单个片段的匹配

e、 g

---

我遗漏了什么（还有更优雅的方法吗？

这是最新的更新

((?:£)\d{1,}\-(?:\d{1,}(?:\-|\w))|\d{1,} - \d{1,}|\d{1,} to \d{1,}|(?<=\s)\d{1,}\-\d{1,}(?:k|(?=\s))|(?:£)\d{1,}(?:\w)|(?<=\s)\d{1,}(?=\s))

---

（（？：）

r0 = /
     \d+        # Match one or more digits
     (?:        # Begin a non-capture group
       \s*\-\s* # Match a hypen optionally surrounded with spaces
       \d+      # Match one or more digits
     ){2}       # Close non-capture and perform it twice
    /x          # Extended/free-spacing mode

arr0 = ["blah blah £500 blah",
        "balh blah £500-650 blah",
        "£50 per hour",
        "blah blah £50k blah",
        "bblah blah 50-60k",
        "blah blah 50000 blahblahblah",
        "blah 50000 - £60000 blablahblah 0207-123-4567",
        "bblah blah 50k-£60k"
       ]

arr1 = arr0.map { |str| str.gsub(r0,'') }
  #=> ["blah blah £500 blah",
  #    "balh blah £500-650 blah",
  #    "£50 per hour",
  #    "blah blah £50k blah",
  #    "bblah blah 50-60k",
  #    "blah blah 50000 blahblahblah",
  #    "blah 50000 - £60000 blablahblah ",
  #    "bblah blah 50k-£60k"] 

我假设所有电话号码都是由连字符分隔的三个数字串，可以选择用空格括起来。如果这个假设不正确，您当然必须根据需要修改
r0

现在从
arr1
的元素中提取所需的值：

r1 = /
     £?         # Optionally begin with a pound sign
     \d+k?      # Match one or more digits optionally followed by k
     (?:        # Begin non-capture group
       \s*\-\s* # Match a hypen optionally surrounded with spaces
       \d+k?    # Match one or more digits optionally followed by k
     )?         # End non-capture group and make the match optional
     \b         # word break
     /x         # Extended/free-spacing mode

arr1.map { |s| s[r1] }
  #=> ["£500", "£500-650", "£50", "£50k", "50-60k", "50000", "50000", "50k"] 

这是非常优雅的。但不适用于50000-60000示例。也就是说，我试图匹配整个范围（有趣的是，这是后一个值60000，这是最重要的，我希望范围是字符串值“50000-60000”）.但我不想与后面的例子相匹配，因为我可能会遇到一些看起来有点像数字但不是我真正想要的东西…例如，如果电子邮件中的电话号码以800开头，如果我忽略它是否“连接”到我找到的第一个号码，我会遇到麻烦。请澄清以上问题，因为我认为问题不是c李尔王，明白了-我需要完成一些工作，然后我会带着一个新的解决方案回来。给我一个小时左右的时间…同时，你能用实际的（或多或少的）例子发布这些行吗。这将帮助我调试。这有点棘手，因为字符串可能相当长（这是一封完整的电子邮件，包括描述，例如）“需要大约50000英镑的高级PHP开发人员伦敦”将是一个例子……或者“嗨，鲍勃，我正在招聘一名项目经理……费率：每天500-750英镑……”这看起来好像有了进展，但我已经通过编辑澄清了这个问题。那些带有=>的字符串是我试图在开始时用箭头后面的请求输出指示字符串…很抱歉，这不清楚。我还将澄清，有时它只是一个数，有时它是一个数字范围。我正在查看的示例查看工作信息。有时人们会将工资列为5万英镑。有时他们会将工资列为5万至6万英镑。在这种情况下，单个数字或范围都很重要。他们会输入5万至6万英镑吗？5万英镑不错。但“500至650英镑”不是很难吗，尤其是在伦敦市中心？如果他们每天支付500-650英镑（就像他们在本案中所做的那样…），那就不必了。凯兰，别忘了我评论的第一句话（我问的是，一个范围的两端是否都可以以“英镑”开头）。
((?:£)\d{1,}\-(?:\d{1,}(?:\-|\w))|\d{1,} - \d{1,}|\d{1,} to \d{1,}|(?<=\s)\d{1,}\-\d{1,}(?:k|(?=\s))|(?:£)\d{1,}(?:\w)|(?<=\s)\d{1,}(?=\s))

((?:£)\d{1,}\-(?:\d{1,}(?:\-|\w))|\d{1,} - \d{1,}|\d{1,} to \d{1,}|(?<=\s)\d{1,}\-\d{1,}(?:k|(?=\s))|(?:£)\d{1,}(?:\w| per hour)|(?<=\s)\d{1,}(?=\s))

r0 = /
     \d+        # Match one or more digits
     (?:        # Begin a non-capture group
       \s*\-\s* # Match a hypen optionally surrounded with spaces
       \d+      # Match one or more digits
     ){2}       # Close non-capture and perform it twice
    /x          # Extended/free-spacing mode

arr0 = ["blah blah £500 blah",
        "balh blah £500-650 blah",
        "£50 per hour",
        "blah blah £50k blah",
        "bblah blah 50-60k",
        "blah blah 50000 blahblahblah",
        "blah 50000 - £60000 blablahblah 0207-123-4567",
        "bblah blah 50k-£60k"
       ]

arr1 = arr0.map { |str| str.gsub(r0,'') }
  #=> ["blah blah £500 blah",
  #    "balh blah £500-650 blah",
  #    "£50 per hour",
  #    "blah blah £50k blah",
  #    "bblah blah 50-60k",
  #    "blah blah 50000 blahblahblah",
  #    "blah 50000 - £60000 blablahblah ",
  #    "bblah blah 50k-£60k"] 

r1 = /
     £?         # Optionally begin with a pound sign
     \d+k?      # Match one or more digits optionally followed by k
     (?:        # Begin non-capture group
       \s*\-\s* # Match a hypen optionally surrounded with spaces
       \d+k?    # Match one or more digits optionally followed by k
     )?         # End non-capture group and make the match optional
     \b         # word break
     /x         # Extended/free-spacing mode

arr1.map { |s| s[r1] }
  #=> ["£500", "£500-650", "£50", "£50k", "50-60k", "50000", "50000", "50k"]