兼容多地区书写规范的整数与小数匹配正则编写咨询

不需要拆分多段正则分步处理，用带分支分组+反向引用的单条正则即可覆盖所有需求，维护成本远低于多段逻辑拼接。

最终正则 #

(?<!\d)(?:\d+|\d{1,3}([,. ])\d{3}(?:\1\d{3})*|\d+[,.]\d+|\d{1,3}([,. ])\d{3}(?:\2\d{3})*(?!\2)[,.]\d+)(?![\d,. ])

注：如果需要带注释的可读版本，可使用支持x模式的引擎写法：

(?x)
(?<!\d)                    # 匹配起始位置前不能是数字，避免截断长数字
(?:
  \d+                      # 分支1：纯整数，无任何分隔符、小数点
  |
  \d{1,3}([,. ])\d{3}(?:\1\d{3})*  # 分支2：仅带千分位的整数，千分位符号全局统一，后必须跟3位数字
  |
  \d+[,.]\d+               # 分支3：仅带单个小数标记的数字，兼容1.123/1,123这类歧义场景
  |
  \d{1,3}([,. ])\d{3}(?:\2\d{3})*(?!\2)[,.]\d+  # 分支4：带千分位+小数的数字，小数标记与千分位符号不同
)
(?![\d,. ])                # 匹配结束位置后不能是数字或三类符号，避免跨非法串匹配

规则覆盖说明 #

• 全量支持三类数字书写规范：美式（逗号千分位+点小数点）、欧式（点千分位+逗号小数点）、空格千分位格式，可正常提取句子中非数字包裹的数字，比如13.4% - 13.7%、less than 123 000nmol/L中的数字均可命中
• 自动过滤所有非法场景：
  • 符号相邻的串不会被整体匹配，比如3..4、10 ,2这类内容只会分段匹配其中的合法数字段
  • 小数点后存在其他符号的串不会被整体匹配，比如12,300.3 3只会分别匹配12,300.3和3
  • 千分位后非3位数字的串不会被整体匹配，比如1 3、200 1232这类内容只会分段匹配独立数字
  • 千分位混合使用不同符号的串不会被整体匹配，比如1 123,123 123会按符号边界分段匹配
  • 以前置点/逗号开头的串不会被整体匹配，比如.40、,40只会匹配其中的40
• 歧义场景兼容：1.123、1,123这类无法判定符号是千分位还是小数点的内容，会被整体匹配为数字

合法示例匹配校验 #

所有给定的合法数字均可完整命中：
3、13、330,1、3.1021、12 300、1,000,000、20.000.000、1,044.12、1 044,120.12

内容的提问来源于stack exchange，提问作者cuzureau