Python正则表达式提取浮点数匹配异常问题排查

问题场景 #

以下代码未按预期提取字符串中的75.3，反而返回空字符串：

import re

text = 'This Level: 75.3'
matches = re.search(r'(?:(?:\d{1,3},)(?:\d{3},)*(?:\d{3})|\d*)(?:\.\d+)?', text)

print(matches.group())  # 注：原代码中`matches.match`为错误写法，正确应为`matches.group()`

该正则在纯数字或带千分位的场景下能正常工作，例如：

assert util.strip_str_to_float('7') == 7.0
assert util.strip_str_to_float('75') == 75.0
assert util.strip_str_to_float('75.5') == 75.5
assert util.strip_str_to_float('7.7.9') == 7.7
assert util.strip_str_to_float('1,298.3 Gold') == 1298.3

但面对带非数字前缀的字符串时，无法提取目标浮点数，核心疑问是：为何r'\d*(?:\.\d+)?'这类正则也无法正常匹配？

原因解析 #

问题出在正则表达式的可选性过强，导致re.search找到了第一个合法的空匹配：

1. 正则中的\d*表示匹配0个或多个数字，(?:\.\d+)?表示可选的小数部分（0个或1个）。两者组合后，整个正则可以匹配空字符串（0个数字+0个小数部分）。
2. re.search会从字符串开头扫描，寻找第一个能匹配正则的位置。字符串中每个字符之间的空位置（比如开头、T和h之间、:和空格之间等）都能被这个正则匹配，因此第一个匹配结果就是空字符串。
3. 而r'\d*\.\d+'能正常工作，是因为\.\d+是必填项，正则无法匹配空字符串，只能找到包含小数点的有效数字。

解决方案 #

要让正则必须匹配至少一个有效数字，避免空匹配，需要调整分支逻辑：

• 将分支中的\d*改为\d+，确保整数部分至少有一个数字；
• 修正后的正则如下：

import re

text = 'This Level: 75.3'
matches = re.search(r'(?:(?:\d{1,3},)(?:\d{3},)*\d{3}|\d+)(?:\.\d+)?', text)

print(matches.group())  # 输出: 75.3

这个正则的逻辑是：

• 要么匹配带千分位的整数（如1,234、12,345,678），要么匹配普通整数；
• 后面可选跟随小数部分（如.3、.123）；
• 整个表达式必须包含至少一个数字，不会匹配空字符串，因此re.search会找到第一个符合要求的浮点数。

内容的提问来源于stack exchange，提问作者Andrew Vaughan