正则表达式优化：排除与孟加拉语字母衔接的数字匹配

问题分析 #

原正则表达式[০১২৩৪৫৬৭৮৯]+\.[০১২৩৪৫৬৭৮৯]+|[০১২৩৪৫৬৭৮৯]+（注意原表达式中未转义的.会匹配任意字符，需修正为\.）会误匹配与孟加拉语字母（如তম、টি）衔接的数字（例如২১তম中的২১、১০টি中的১০），需求是仅匹配独立的纯孟加拉数字（如১০৫、৭৬）和带小数点的孟加拉数字（如১০৫.৫৬），排除与指定孟加拉语字符/词汇衔接的数字。

修正后的正则表达式 #

(?<!তম|টি|[\p{Bengali}])[০১২৩৪৫৬৭৮৯]+(?:\.[০১২৩৪৫৬৭৮৯]+)?(?![\p{Bengali}])

规则解释 #

• (?<!তম|টি|[\p{Bengali}])：负向回顾后瞻，确保数字前不是指定的孟加拉语词汇（তম、টি）或任意孟加拉语字符，避免匹配前缀衔接的数字
• [০১২৩৪৫৬৭৮৯]+：匹配1个及以上孟加拉数字
• (?:\.[০১২৩৪৫৬৭৮৯]+)?：可选的小数部分，(?:...)为非捕获组，\.匹配小数点，后续匹配1个及以上孟加拉数字，?表示该部分可省略
• (?![\p{Bengali}])：负向先行断言，确保数字后不是任意孟加拉语字符，避免匹配后缀衔接的数字

测试验证 #

在regex101.com选择**PCRE2（PHP >=7.3）**引擎测试：

• 匹配成功的示例：১০৫、৭৬、১০৫.৫৬、৪৫.৭
• 匹配被排除的示例：২১তম（不会捕获২১）、১০টি（不会捕获১০）

内容的提问来源于stack exchange，提问作者Ishrat Hossain