Python正则表达式：提取除后接/前随特定术语外的所有数字

需求梳理 #

需要从文本中提取数字，同时排除三类内容：

• 后接指定词语/字符的数字
• 紧跟在指定词语/字符之后的数字
• 格式为带/的日期类内容

针对给出的示例，最终需要保留的匹配结果为：4.5、$55、1,200

原有正则的问题 #

• 没有补充负向后行断言规则，无法过滤紧跟在指定前缀后的数字（比如charB后的21.6、wordA后的3）
• 前瞻匹配逻辑边界不清晰，无法正确过滤后接指定后缀的数字
• 没有添加日期格式的过滤规则，无法排除带/的日期相关数字

调整后可用正则 #

(?<!\bwordA |charB)(?<!\/)\$?\d+(?:[.,]\d+)*(?!\/|charA| ?\bwordB)

正则规则拆解 #

• (?<!\bwordA |charB)：负向后行断言，过滤所有紧跟在wordA （带空格）或charB后的数字
• (?<!\/)：负向后行断言，过滤前面带/的数字，避免匹配日期内的数字
• \$?\d+(?:[.,]\d+)*：核心数字匹配规则，兼容带$前缀、千分位逗号、小数点的数字格式
• (?!\/|charA| ?\bwordB)：负向前瞻断言，过滤后面带/、charA、可选空格加wordB的数字，同时避免匹配日期内的数字

效果验证 #

对应示例文本4.5 $55 1,200 wordA 3 sometext 2 wordB sometext 4.3charA sometext charB21.6 sometext 11/10/22，所有需要排除的3、2、4.3、21.6、11/10/22都已被过滤，仅保留符合要求的数字。

注意事项 #

• 该正则需要支持可变长度负向后行断言的引擎才能正常运行，对应环境为JavaScript ES2018+、Python 3.10+、Java 9+等
• 如果需要调整排除的特定词语/字符，直接修改前后断言内的匹配项即可

内容的提问来源于stack exchange，提问作者jokol