如何在文本文件中提取独立纯数字？Python正则匹配异常处理

嗨，我懂你的痛点——原来的正则会把嵌入在其他字符里的数字片段也揪出来，比如a278里的278，但你要的是完全独立、不跟任何字母/符号粘在一起的纯数字，对吧？

问题根源 #

你原来的正则r"[+-]? *(?:\d+(?:\.\d*)?|\.\d+)(?:[eE][+-]?\d+)?"没有界定数字的“独立边界”，它只会匹配符合格式的数字串，不管这个串是不是被其他字符包裹。

优化方案：用边界断言锁定独立数字 #

要确保数字是独立的，我们可以用前后否定断言来限制数字的前后只能是空白字符或者字符串的开头/结尾，这样就能排除那些跟其他字符相连的情况。

优化后的正则：

r"(?<!\S)[+-]?(?:\d+(?:\.\d*)?|\.\d+)(?:[eE][+-]?\d+)?(?!\S)"

正则各部分解释：

• (?<!\S)：前向否定断言，确保数字的前面不是“非空白字符”——也就是说，要么是字符串开头，要么前面是空格、换行这类空白。
• 中间部分保留你原来的数字格式匹配逻辑，支持正负号、整数、小数、科学计数法。
• (?!\S)：后向否定断言，确保数字的后面不是“非空白字符”——要么是字符串结尾，要么后面是空白。

测试效果对比 #

比如测试这段文本：

a278 123 -45.67 .89 10e3 x.123 45y

• 原正则匹配结果：278, 123, -45.67, .89, 10e3, .123, 45
• 优化后正则匹配结果：123, -45.67, .89, 10e3

完全符合你要的“独立纯数字”需求！

进阶调整（如果有特殊分隔符） #

如果你的文本里数字可能被逗号、括号这类标点分隔（比如(123)、45,67），但你依然认为这些是“独立数字”，可以把断言调整为排除字母数字的相连：

r"(?<![a-zA-Z0-9])[+-]?(?:\d+(?:\.\d*)?|\.\d+)(?:[eE][+-]?\d+)?(?![a-zA-Z0-9])"

这样就能匹配被标点包裹的数字，但不会匹配a278或45y里的数字片段。

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