正则表达式匹配数字串求助

文本如下：

1. ‘中文64891.63  中文842中文 ABCD[2022]中文217-EFG3844584 中文’

复制代码

求一个通用的正则表达式，把文本中的'6489163'匹配出来
条件：
1、不能规定数字串长度
2、不能规定数字串在xx字符之前/之后，但可以指明数字串前后含有/不含xx字符
3、不能规定数字串中是否含'.'

我个人搞的表达式是：

1. '(?<=[^\u4e00-\u9fa5])\d+\.?\d+(?=[^\u4e00-\u9fa5\[\]a-zA-Z])'

复制代码

这样会把后面的4、17、2022、3844584匹配出来
修正一下前后不含'[]'、'-'和英文的话：

1. '(?<=[^\u4e00-\u9fa5\[a-zA-Z])\d+\.?\d+(?=[^\[\]a-zA-Z])'

复制代码

这样会把4、1、844584匹配出来
其实我问题的核心是，如何用正则表达式描述  前后含有XX字符的连续数字串，因为2022中的02前后也是数字，不知道怎么处理比较好，也不能限定数字串的长度
请各位大神帮帮忙

看不懂你的描述 似乎是要求提取在两段中文之间的带小数点的数字？不能出现英文？

pengxhan 发表于 2022-1-13 14:36
看不懂你的描述 似乎是要求提取在两段中文之间的带小数点的数字？不能出现英文？

我要提取的数字没有特定的格式，所以我需要剔除文本中其它的数字串，剩下就是我要的
文本中会出现：夹在中文之间的数字、跟英文混搭的数字，我要把这两种给剔除掉
我在写这些否定逻辑的时候，不知道怎么表达如：前后不是中文的连续数字串，譬如‘中文1234中文’，前后不是中文的数字串也可以是‘2’、‘3’和‘23’

64891.63不算夹在中文之间？ 是因为63后面是空格加中文  2022也没有夹在中文之间 他前后是[]  217也不是夹在中文之间 他前面中文 后面是-
所以你要提取的64891.63规则是必须中文开头,不能其他字符开头，而且紧接着连续数字，数字后面只能空格 不能跟空格以外的字符？

如果理解对了 那应该这样
clear
input strL v
"中文64891.63  中文842中文 ABCD[2022]中文217-EFG3844584 中文"
end
gen x=ustrregexs(0) if ustrregexm(v,"(?<=[\u4e00-\u9fa5])\d+\.?\d+(?= )")
list

clear
input strL v
"中文64891.63  中文842中文 ABCD[2022]中文217-EFG3844584 中文"
end
gen x=ustrregexs(0) if ustrregexm(v,"(?<=[\u4e00-\u9fa5])\d+\.?\d+(?= )")
list

pengxhan 发表于 2022-1-13 15:25
64891.63不算夹在中文之间？ 是因为63后面是空格加中文  2022也没有夹在中文之间 他前后是[]  217也不是夹 ...

我的文本格式其实是一个列表
['xx64891.63xx',
'中文842中文',
'ABCD[2022]217-EFG3844584']
像这样的东西，我是写一个for循环每一项去匹配，所以不存在空格的问题
问题是我要匹配的数字前后没有特定的规则，他也可能只是64891.63，也可能是6489163
唯一知道的是，这一项它不会前后都是中文，也不会跟英文混搭，不会有[]-这些特殊符号

提取的数字夹在XX之间的连续整数或者小数 前后XX不能出现英文或者其他符号 也不能同时为中文 只前面出现中文可以 那只有后面出现呢 比如 ‘12345中文’
这个12345也算符合？

pengxhan 发表于 2022-1-13 15:59
提取的数字夹在XX之间的连续整数或者小数 前后XX不能出现英文或者其他符号 也不能同时为中文 只前面出现中 ...

也可以有，无伤大雅，但肯定不是前后都是中文，前后xx也可以没有

['中文64891.63','842中文','3844584，' 38445 ']
38445前后是空格 也就是只有这4种都合格 其他都不合格