Python正则表达式无法捕获regex101有效匹配模式问题求助

核心原因 #

问题出在正则中的\b（单词边界）在Python re模块中的匹配逻辑，以及Word文档提取文本的特殊性：

• \b的匹配规则：\b仅匹配「单词字符（\w，即字母、数字、下划线）」与「非单词字符（\W，如空格、标点、换行）」的分界处，或字符串首尾与单词字符的分界处。
• Word提取文本的隐藏字符：从Word文档提取的文本中，“AMOUNT OVER/UNDER”对应的金额后可能存在隐藏的Unicode字符（如下划线、零宽格式符等），这些字符被re模块识别为单词字符（\w）。此时金额最后一位（数字，属于\w）与后续字符（同为\w）之间没有有效单词边界，\b无法匹配，导致整个正则失效。
• regex101的测试差异：你在regex101中使用的是纯文本测试，没有这些隐藏字符，金额后是标准空白或字符串结尾，\b可正常匹配，所以测试通过。

解决方案 #

直接移除冗余的\b即可解决问题，优化后的正则可以写成：

amount_under_over = re.search(r'(AMOUNT (?:OVER|UNDER))\s+(\d{1,3}(?:,\d{3})*(?:\.\d{2})?)', txt)

（使用原始字符串r''避免转义问题，同时简化了冗余分组）

进阶优化 #

参考“ENGINEERS EST”的正则逻辑，使用(?!\S)（负向预测断言）替代\b，可以更精准地匹配金额后为空白或字符串结尾的场景，避免隐藏字符的干扰：

amount_under_over = re.search(r'(AMOUNT (?:OVER|UNDER))\s+(\d{1,3}(?:,\d{3})*(?:\.\d{2})?)(?!\S)', txt)

内容的提问来源于stack exchange，提问作者Pepa