如何用Python提取含数值（含拼写数字）及前后各一个单词的文本

嘿，我来帮你搞定这个提取包含数值的文本片段需求！要实现你想要的效果，关键是写一个精准的正则表达式，既能匹配阿拉伯数字（包括带千分位逗号的）和拼写形式的数字，又能捕获数值前后的第一个单词。

解决方案代码 #

import re

text = "I have 2 brothers and they bought one car each. My oldest brother invested 1,000 dollars."

# 定义正则表达式：匹配「前单词 + 数值（阿拉伯或拼写） + 后单词」的结构
pattern = r'(\w+) (\b(?:\d{1,3}(?:,\d{3})*|one|two|three|four|five|six|seven|eight|nine|ten|eleven|twelve)\b) (\w+)'

# 提取所有匹配的三元组，再拼接成目标字符串格式
matches = re.findall(pattern, text)
result = [f'{prev} {num} {next_word}' for prev, num, next_word in matches]

print(result)
# 输出：['have 2 brothers', 'bought one car', 'invested 1,000 dollars']

代码细节解释 #

• 正则表达式拆分：
  • (\w+)：捕获数值前面的第一个完整英文单词（匹配字母、数字、下划线，完全覆盖普通英文单词场景）
  • \b：单词边界标记，确保匹配的数字是独立的（比如不会把"one"误判成"someone"的一部分）
  • (?:\d{1,3}(?:,\d{3})*)：匹配带千分位逗号的阿拉伯数字，支持2、1,000、123,456这类格式
  • |one|two|...|twelve：匹配拼写形式的数字，你可以根据需求扩展更多（比如thirteen、fourteen等）
  • 最后一个(\w+)：捕获数值后面的第一个完整英文单词
• re.findall会返回所有符合规则的三元组列表，再通过列表推导式把每组拼接成你需要的字符串格式。

场景扩展建议 #

如果要处理更复杂的文本场景，可以微调正则：

• 若数值前后可能带有标点：可以把(\w+)改成(\w+|[^\w\s])?，后续再过滤空值即可
• 若要支持更多拼写数字：可以先定义一个数字单词列表，动态生成正则片段，比如：

  number_words = ['one', 'two', 'three', 'four', 'five', 'six', 'seven', 'eight', 'nine', 'ten', 
                  'eleven', 'twelve', 'thirteen', 'fourteen', 'fifteen']
  num_word_pattern = '|'.join(number_words)
  pattern = rf'(\w+) (\b(?:\d{1,3}(?:,\d{3})*|{num_word_pattern})\b) (\w+)'
  

内容的提问来源于stack exchange，提问作者dc4teg