如何用正则表达式提取数字：非空格分隔合并，空格分隔则拆分

需要从包含数字、字母和特殊字符的文本中提取数字，核心规则：

• 被非空格字符分隔的数字需合并为一个完整数字
• 被空格分隔的数字需作为独立数字提取

示例场景：

• 输入 ds[44]%6c，预期提取结果：446
• 输入 2021 ds[44]%6c，预期提取结果：2021、446

此前尝试正则表达式 (-?\d+)，但无法实现数字间非空格字符的合并，也不能以空格为边界拆分数字组。

核心思路 #

把文本按空格分割成独立片段，对每个片段内的所有数字字符（含可选负号）进行拼接，忽略片段内的非数字非空格字符；每个片段处理后的非空数字串就是最终提取结果。

实现方式 #

分步处理（以Python为例）

这种方式逻辑清晰，容易理解和调试：

import re

def extract_numbers(text):
    # 按空格分割文本片段
    segments = text.split()
    results = []
    for seg in segments:
        # 仅保留片段中的数字和开头的负号，移除其他所有字符
        cleaned = re.sub(r'(?<!^)-|[^\d-]', '', seg)
        if cleaned:  # 跳过无数字的片段
            results.append(cleaned)
    return results

# 测试示例
print(extract_numbers("ds[44]%6c"))  # 输出: ['446']
print(extract_numbers("2021 ds[44]%6c"))  # 输出: ['2021', '446']
print(extract_numbers("-12ab34 56xy-78"))  # 输出: ['-1234', '5678']

单正则匹配+后处理

如果想用正则直接匹配出每个空格分隔的块，再清理非数字字符：
使用正则表达式：

(?<!\S)(-?\S*?\d\S*)(?!\S)

匹配逻辑：

• (?<!\S)：匹配位置前为空格或文本开头
• (-?\S*?\d\S*)：捕获包含至少一个数字的非空格块，允许开头带负号
• (?!\S)：匹配位置后为空格或文本结尾

对每个捕获的块，再用re.sub(r'[^\d-]', '', match)清理掉非数字和非负号字符，即可得到目标数字串。

规则验证 #

• 针对输入 ds[44]%6c：分割后仅一个片段，清理后得到446
• 针对输入 2021 ds[44]%6c：分割为两个片段，分别清理得到2021和446，符合预期

内容的提问来源于stack exchange，提问作者Gorg