Python re.sub提取文件名数字部分设备结果多前缀2问题

re.sub("[^0-9]", "", n) 这个正则逻辑本身不存在跨平台运行差异，它的作用仅为删除字符串中所有非数字字符，绝对不会凭空生成额外的数字字符。所有结果统一多前缀2的核心原因是：不同设备上传入函数的pdfs列表内的文件名/路径字符串本身存在差异，异常设备上传入的字符串开头就自带数字2，常见触发场景有三类：

• 异常设备为Windows系统且开启了8.3格式短文件名兼容功能，枚举文件时拿到的是系统自动生成的短文件名（格式类似2XXXXXX~1.PDF），短文件名自带前缀数字2，删除非数字字符后该前缀被保留
• 文件枚举时未做路径清洗，传入的是带目录片段的完整路径而非纯文件名，部分设备上路径片段刚好包含开头的数字2，提取时被混入结果
• 代码中numbers为全局变量，存在跨逻辑调用的脏数据污染，但该场景下不会出现所有结果统一多前缀2的表现，触发概率极低

1. 先做问题定位验证：在re.sub代码行前增加打印逻辑输出原始n值，即可直接看到原始字符串自带前缀2，排除re模块本身的问题
2. 替换粗暴的非数字删除逻辑，改用精准匹配的方式提取ID，从根源上兼容不同设备的文件名差异：
   你的文件ID为固定10位长度的连续数字，可直接通过正则匹配对应长度的数字串，自动忽略前后所有多余字符（包括前缀多余的数字、路径符号、短文件名标记等）
3. 移除代码中的裸except逻辑（该写法会吞掉所有真实报错信息，干扰问题定位），同时避免在函数内直接修改全局变量，防止数据污染。

修正后的可跨平台运行代码如下：

import re

class num_sort_error(Exception):
    pass

def number_read(pdfs):
    number = []
    # 预编译正则：匹配连续10位数字，对应你的文件ID规则，若ID长度变化可自行修改{10}为对应长度
    id_pattern = re.compile(r"\d{10}")
    for file_name in pdfs:
        match_result = id_pattern.search(file_name)
        if not match_result:
            raise num_sort_error(f"文件 {file_name} 未找到合法数字ID")
        file_id = match_result.group()
        number.append(file_id)
    return number

如果你的ID长度不固定，可在传入文件列表前增加路径清洗逻辑，统一提取纯文件名再做ID提取，避免路径中的数字干扰：

import os
# 遍历文件时先清洗为纯文件名，去除所有路径前缀
clean_pdfs = [os.path.basename(f) for f in 原始文件路径列表]
# 再传入提取函数
number_result = number_read(clean_pdfs)

不建议通过要求用户修改系统配置（如关闭Windows短文件名功能）解决问题，代码层面做兼容适配可覆盖所有运行环境。

内容的提问来源于stack exchange，提问作者joloboy20071