如何用C# 10和.NET 10提取首个非百分比结尾的数字

我们需要将发票PDF转换为文本，这类文本格式差异极大，包含任意文本、带%标识的增值税税率，以及不跟在%后的金额数字。目标是用正则表达式提取第一个不以百分号（%）结尾的数字，注意数字与%之间可能有空格，也可能没有。

示例文本中预期匹配结果为4.23和5.67，但尝试的正则表达式：

-?[0-9]{1,3}(?:[_,.]?[0-9]{3})*[.,]?[0-9]{0,2}[^%]

返回了错误的3.12。

在C# 10/.NET 10中，可利用正向否定预测断言排除后面紧跟%（含可能空格）的数字，同时匹配符合金额格式的数字。

推荐正则表达式 #

-?\d{1,3}(?:[.,]\d{3})*(?:[.,]\d{1,2})?(?!\s*%)

正则规则说明 #

• -?：匹配可选的负号
• \d{1,3}：匹配1-3位整数部分
• (?:[.,]\d{3})*：匹配千位分隔符（.或,）加3位数字的重复模式，支持1.234或1,234这类格式
• (?:[.,]\d{1,2})?：匹配可选的小数部分，支持1-2位小数，小数点或逗号作为分隔符
• (?!\s*%)：正向否定断言，确保数字后没有紧跟任意空格加%

C# 代码示例 #

using System;
using System.Text.RegularExpressions;

class InvoiceAmountExtractor
{
    static void Main()
    {
        string invoiceText = "示例文本：增值税率 13%，金额 4.23，另一个金额 5.67，税率 9.5 %";
        string pattern = @"-?\d{1,3}(?:[.,]\d{3})*(?:[.,]\d{1,2})?(?!\s*%)";
        
        Match firstMatch = Regex.Match(invoiceText, pattern);
        if (firstMatch.Success)
        {
            Console.WriteLine("提取到的第一个金额：" + firstMatch.Value);
        }
    }
}

原正则失败原因 #

原正则用[^%]作为结尾，会匹配一个非%的字符，导致错误包含数字后的其他字符，或在数字位于文本末尾时无法匹配。而正向否定断言是零宽断言，不消耗字符，仅检查后续内容，匹配更精准。

内容的提问来源于stack exchange，提问作者Andrus