如何构建正则从合并JSON输出中提取有效数值并排除非目标数字

核心设计原则 #

之前尝试失败的核心原因，是没有区分「JSON结构层面的键值对分隔冒号」和「字符串值内部嵌套的普通冒号」。本次方案不需要引入JSON解析器，直接通过JSON的语法结构特征锁定需要提取的目标，从根源上避开字符串内部的无关内容。

可直接使用的正则表达式 #

(?<=(?<!\\)"\s*:\s*)\d+(?:\.\d+)?

规则拆解 #

• (?<=(?<!\\)"\s*:\s*) 是零宽前置断言，专门匹配JSON标准键值对的分隔结构：当前位置的前面必须是「未被转义的双引号（也就是键的收尾引号） + 任意数量空白字符 + 冒号 + 任意数量空白字符」
• 这个结构完全是JSON语法独有的，字符串内部的冒号前面永远不会紧跟未转义的双引号，因此从匹配触发条件上就排除了所有字符串内部的冒号
• \d+(?:\.\d+)? 匹配目标数值，支持整数、带小数点的浮点数格式

示例场景的匹配效果 #

针对给出的JSON测试数据，该正则可以：

• 完整提取orders数组下所有对象的id数值：1、2、3……11、648到653的所有连续id值
• 提取errors对象下的code字段值：3
• 自动跳过双引号包裹的message字段全部内容，完全排除字段内部的#2、(153)两个非目标数值，不会出现误匹配

避坑提示 #

• 不要直接使用简化版规则:\s*(\d+)：这类规则没有结构识别能力，只要遇到任意位置的冒号就会匹配后面的数字，必然会穿透双引号边界抓取字符串内部的无关数值，也是之前多次尝试失败的核心原因
• 该正则兼容带换行、带转义字符的长文本场景，不需要复杂的递归回溯逻辑，适合日志批量处理、无第三方工具依赖的文本清洗场景使用

内容的提问来源于stack exchange，提问作者SudarshanK