使用正则表达式提取多种格式字符串中的数字

嘿，这个场景我太熟悉了！基础正则确实搞不定带千分位的数字，因为千分位的分隔符（逗号/点）和小数点是绑定的——要么是逗号做千分位、点做小数点（国际通用格式），要么是点做千分位、逗号做小数点（欧洲大陆格式），而且千分位会重复出现，原来的正则只处理了单个分隔符，自然匹配不了。

问题分析 #

你原来的正则[-+]?[0-9]*[.,]?[0-9]+(?:[eE][-+]?[0-9]+)?的核心局限是：

• 只允许出现一次逗号/点，无法处理1,000,000这种多次千分位分隔的情况
• 没有区分千分位和小数点的符号组合，会把混合格式（比如1,000.000,20）错误匹配

解决方案：分两种格式匹配 #

我们需要把两种合法的数字格式分开匹配，再用|合并，同时兼容无千分位的普通数字、科学计数法：

[-+]?(?:(?:\d{1,3}(?:,\d{3})*|\d+)(?:\.\d+)?|(?:\d{1,3}(?:\.\d{3})*|\d+)(?:,\d+)?)(?:[eE][-+]?\d+)?

正则拆解（逐段理解） #

让我们把这个正则拆成几个核心部分：

1. 正负号：[-+]? → 可选的正号或负号
2. 两种数字格式分支：
   • 分支1：国际格式（逗号千分位，点小数点）
     • (?:\d{1,3}(?:,\d{3})*|\d+) → 整数部分：要么是1-3位数字开头，后面跟着0个或多个,xxx（比如1,000,000）；要么是普通整数（比如1、10）
     • (?:\.\d+)? → 可选的小数部分：点+任意位数数字（比如.20、.20001）
   • 分支2：欧洲格式（点千分位，逗号小数点）
     • (?:\d{1,3}(?:\.\d{3})*|\d+) → 整数部分：要么是1-3位数字开头，后面跟着0个或多个.xxx（比如1.000.000）；要么是普通整数
     • (?:,\d+)? → 可选的小数部分：逗号+任意位数数字（比如,20、,1）
3. 科学计数法：(?:[eE][-+]?\d+)? → 可选的科学计数法后缀（比如e+5、E-3）

测试你的所有示例 #

这个正则可以完美匹配你列出的所有格式：

• '1' ✅
• '1.1' ✅（匹配国际格式分支）
• '1,1' ✅（匹配欧洲格式分支）
• '1,000,000.20' ✅（匹配国际格式分支）
• '1.00000020' ✅（匹配国际格式分支，无千分位的普通小数）
• '1.000.000,20' ✅（匹配欧洲格式分支）
• '10.20001' ✅（匹配国际格式分支）

额外提示 #

如果需要严格禁止混合格式（比如1,000.000,20这种错误写法），这个正则已经做到了——因为两个分支是互斥的，不会匹配到不符合规则的混合格式。

内容的提问来源于stack exchange，提问作者joanfihu