正则表达式优化：移除账号名前置独立数字，保留含符号数字前缀

问题分析 #

原正则 r'^\d{1,4}(?!\w)' 的缺陷在于，(?!\w) 会匹配数字后所有非单词字符（包括 /、- 这类合法名称前缀里的符号），导致像 40/86 Adverts Inc.- Carmel 这样的合法名称被误处理为 /86 Adverts Inc.- Carmel。我们需要的是仅移除作为独立前缀的数字（即数字后紧跟空白字符，属于缺行导致的行号类内容），保留与特殊字符绑定的数字前缀组合。

解决方案 #

调整正则规则，精准匹配「开头可选前置空格 + 1-4位数字 + 紧跟空白字符」的模式，只移除这类独立数字前缀：

代码实现 #

import re

def clean_account_name(account):
    # 匹配开头的可选空格、1-4位数字，且数字后紧跟空白，替换为空后去除首尾空格
    cleaned = re.sub(r'^\s*\d{1,4}(?=\s)', '', account)
    return cleaned.strip()

正则说明 #

• ^\s*：匹配开头的任意数量空白字符（处理PDF提取时的前置空格）
• \d{1,4}：匹配1-4位数字（对应原需求的数字范围）
• (?=\s)：正向预查，确保数字后紧跟空白字符（确认这是独立的数字前缀，而非名称的一部分）

测试验证 #

内容的提问来源于stack exchange，提问作者Jess