如何修改正则表达式以避免在文本中匹配空罗马数字（不区分大小写）

针对你遇到的正则在普通文本中出现空匹配的问题，核心原因是原正则允许匹配空字符串，且前置预查与实际匹配逻辑脱节。以下是修改后的正则及说明：

最终正则表达式 #

(?<!-)\b(?:M{1,4}(?:CM|CD|D?C{0,3})(?:XC|XL|L?X{0,3})(?:IX|IV|V?I{0,3})|(?:CM|CD|D?C{1,3})(?:XC|XL|L?X{0,3})(?:IX|IV|V?I{0,3})|(?:XC|XL|L?X{1,3})(?:IX|IV|V?I{0,3})|(?:IX|IV|V|I{1,3}))\b(?!-)

启用不区分大小写模式（Python中用re.IGNORECASE，PCRE2中用i修饰符）。

修改说明 #

1. 禁止空匹配：通过拆分正则结构，确保匹配内容至少包含一个有效罗马数字字符，彻底避免空字符串匹配：
   • 要么包含1-4个M（千位），后续跟百位、十位、个位结构
   • 要么百位结构非空（CM/CD/D?C{1-3}），后续跟十位、个位
   • 要么十位结构非空（XC/XL/L?X{1-3}），后续跟个位
   • 要么个位结构非空（IX/IV/V/I{1-3}）
2. 排除连字符干扰：用(?<!-)和(?!-)负向断言，确保匹配的罗马数字前后没有连字符（避免匹配X-ray中的X）
3. 单词边界校验：保留\b确保匹配的是独立单词，不会匹配Cil这类包含罗马数字字符但非有效罗马数字的字符串

测试验证 #

将该正则应用到你的测试数据，结果如下：

• 匹配所有有效罗马数字：I（两处）、X、XVI、MCMXCIX、MCMLXIX
• 不匹配X-ray中的X（因后续连字符触发(?!-)断言失败）
• 不匹配Cil中的C（不符合有效罗马数字结构）
• 无任何空匹配结果

内容的提问来源于stack exchange，提问作者vr8ce