用不连续行符从文本中提取数字

Question

我有6个数字的文本，通常存储在一行中。

SomeData\n0.00 0.00 0.00 31,570.07 0.00 31,570.07\nSomeData
SomeData\n0.00 0.00 0.00 485,007.24 0.00 485,007.24\nSomeData

这个regex在它上运行得很好：

\n[0-9,.-]* [0-9,.-]* [0-9,.-]* [0-9,.-]* [0-9,.-]* [0-9,.-]*\n

我注意到每隔一段时间我就会收到这样的消息：

SomeData\n0.00 0.00 10,921,594\n.89\n-\n9,563,271.0\n6\n0.00 1,358,323.83\nSomeData

请注意行符是如何在符号后或数字之间随机插入的，就像系统存储值而不过滤换行符一样。

我在努力把这个取出来。我尝试了各种表达式，但我更成功的表达式是0-9，.\n {0,1} 0-9，.- {0，1}匹配单个数字。

我可以用什么表达式来匹配数字格式的两个变体，最好已经去掉了不不变的换行符？

更新： -\n{0,2}0-9，+\n-9{3，4}\n {0,1} 请告诉我是否有更好的方法

Answer 1

一种方法是精确地表示数字的构成，所以在您的例子中，[-+]?[0-9]+[0-9,]*(?:\.[0-9]+)?可以做到这一点。这很有帮助，因为搜索可以知道一个数字何时开始，何时结束(因为有这样的规则:一个符号总是在开头，一个点不能多次出现，等等)。然后，您希望匹配由新行或空格分隔的六对，因此将其包装在捕获组中，并将其限制为6：(...[ \n]*){6,6}。这很有帮助，因为regex引擎可以通过回溯通过知道应该匹配多少个数字来计算数字。然后你想让新的行在几乎所有的位置，所以把新的行在每个字符组。您也可能希望将数字锚定在两边，但这是不必要的，因为regex引擎现在将尝试识别6个数字的有效元组。最终结果是：

SomeData\n([-+]?[0-9\n]+[0-9,\n]*(?:\.[0-9\n]+)?[ \n]){6,6}SomeData

这将找到元组的6个数字，无论进入哪里。下面是一个例子：https://regex101.com/r/jD5nT8/1