正则表达式匹配超出定义长度问题排查及修正请求

需求说明 #

需要捕获符合以下格式的数字：

• 长度1-5位且不以0开头的数字
• 后续为.或,
• 接着是2-3位数字
• 可选择跟一个,
• 可选择跟数字

预期匹配内容 #

7,93
8.32
20,43
100.23
2.800
1.597,72
2.026,88
33.000
33.000,43
100.000
150,000
150.000,50

不应匹配内容 #

7.3.2011 
07.03.2011
3.2011

现有问题 #

使用正则表达式 (?<!\d)[\d]{1,5}(?!\d)[.,][\d]{2,3}[,]*[\d]* 测试字符串 7.3.2011 zwischen 7,93 und 10,53 EUR Dienstbeginn: 07.03.2011 时，意外匹配到了3.2011和07.03，不符合预期。

错误原因分析 #

1. 匹配3.2011的原因：正则中[\d]{2,3}会优先匹配20（前两位数字），后续[,]*[\d]*允许匹配0个逗号加任意数字，导致剩下的11被纳入匹配范围，最终整个3.2011被误判为符合规则。
2. 匹配07.03的原因：原正则[\d]{1,5}未限制首位不能为0，允许以0开头的数字，因此07被错误识别为合法的整数部分。

修正后的正则表达式 #

r"(?<!\d)[1-9]\d{0,4}[.,]\d{2,3}(?:,\d+)?(?!\d)"

规则解释 #

• (?<!\d)：负向后行断言，确保匹配的数字前面没有其他数字
• [1-9]\d{0,4}：严格限制为1-5位数字，首位非0
• [.,]：匹配小数点或逗号分隔符
• \d{2,3}：匹配2-3位数字的小数部分
• (?:,\d+)?：可选非捕获组，匹配"逗号+一个及以上数字"的后续部分
• (?!\d)：负向前瞻断言，确保匹配内容后面没有多余数字，避免截断长串数字

验证代码 #

import re
string = '7.3.2011  zwischen 7,93 und 10,53 EUR Dienstbeginn: 07.03.2011'
salary = r"(?<!\d)[1-9]\d{0,4}[.,]\d{2,3}(?:,\d+)?(?!\d)" 
print(re.findall(salary, string))

运行后输出：['7,93', '10,53']，完全符合预期，不会匹配到错误内容。

内容的提问来源于stack exchange，提问作者Daniil Yefimov