如何使用Python Regex提取符合指定格式的唯一发票ID

你现有代码的问题有两个：一是正则仅匹配单个连续数字串，二是re.search仅返回第一个匹配结果，所以只能拿到首个数字段2021。

你可以用带反向引用的正则配合re.findall实现需求，完整示例代码如下：

import re

# 待匹配的文本
test_str = """1) Payment of invoice nr.2021-3-5450
2) Invoice 2021 3 27 has been paid
"""

# 正则规则
invoice_pattern = re.compile(r'\b\d{4}([- ])\d{1,2}\1\d{1,4}\b')
# 提取所有符合规则的发票ID
matched_invoices = invoice_pattern.findall(test_str)

# 可选：统一将空格分隔的ID转换为横杠分隔的标准格式
standard_invoices = [item.replace(' ', '-') for item in matched_invoices]

print(matched_invoices)
# 输出：['2021-3-5450', '2021 3 27']
print(standard_invoices)
# 输出：['2021-3-5450', '2021-3-27']

正则规则说明 #

• \b：匹配单词边界，避免从更长的数字串（如手机号、长编号）中错误截取片段
• \d{4}：匹配4位年份
• ([- ])：匹配分隔符（横杠或空格），存入分组1
• \d{1,2}：匹配1-2位月份
• \1：反向引用分组1的分隔符，保证前后分隔符一致，避免匹配到2021-3 27这类混合分隔符的无效内容
• \d{1,4}：匹配1-4位客户ID，对应1到9999的取值范围
• re.findall：返回文本中所有符合规则的匹配结果，而非仅返回第一个匹配项。

如果需要更严格的校验规则（比如限定月份为1-12、客户ID不能为0或0开头），可以将正则调整为：
r'\b\d{4}([- ])(0?[1-9]|1[012])\1([1-9]\d{0,3})\b'

内容的提问来源于stack exchange，提问作者bll