我们将发票的PDF转换为文本，但它们差异很大。文本中包含任意文字、增值税税率（由 % 指示）以及金额（后面不是跟着 % 的数字）。目标是用正则表达式匹配这些金额。

已经尝试了不同的正则表达式模式，但都失败了。如何在C# 10和 .NET 10中提取不以 % 结尾的第一个数字？数字与 % 字符之间可能有空格，也可能没有空格。

对于以下文本，结果应为 4.23 和 5.67。

Arbitrary text 3.12 % Arbitrary text 4.23 Arbitrary text

或

Arbitrary text 5.67 Arbitrary text 8% Abitrary text

我尝试了正则表达式 -?[0-9]{1,3}(?:[_,.]?[0-9]{3})*[.,]?[0-9]{0,2}[^%]，但它返回了 3.12。

Regex101

解决方案

你可以使用以下模式来匹配你正在寻找的字符串：

\b\d+\.\d+(?! ?%)\b

演示：https://regex101.com/r/LiIojB/1

解释：

• \b 匹配一个单词边界，即字符串中在字母数字字符和空格或标点符号之间的位置。我在模式的开头和结尾各放一个，以防止它匹配超出你要找的内容。
• \d 匹配一个数字字符，是 [0-9] 的简写。如果你觉得更直观，或者你的正则引擎不识别 \d，你也可以改用 [0-9]。
• 我假设你理解 + 运算符，以及字面量 .。
• (?! ...) 定义了一个负向前瞻组。在本例中，它包含模式 ?%，也就是一个可选空格后跟着一个百分号。因此如果当前匹配后面紧跟着一个百分号，或者先有一个空格再跟着一个百分号，匹配将失败。