本文介绍使用python正则表达式高效处理文本文件：逐行读取内容，自动提取所有连续数字（如"123"、"45"）存入数字列表，并生成剔除所有数字后的纯净字符串，全程内存友好、无需手动循环控制。
本文介绍使用python正则表达式高效处理文本文件：逐行读取内容，自动提取所有连续数字（如"123"、"45"）存入数字列表，并生成剔除所有数字后的纯净字符串，全程内存友好、无需手动循环控制。
在实际数据预处理中，常需将混杂数字的文本行“一分为二”：既保留数字用于后续分析（如版本号、ID、计数），又获取不含数字的干净文本（如清洗后的日志、用户输入或自然语言片段）。Python 的 re 模块配合上下文管理器 with open() 可优雅实现这一目标。
以下为完整可运行示例：
import re
# 初始化两个空列表，分别存储每行提取的数字和净化后的字符串
all_numbers = []
clean_lines = []
with open('file.txt', 'r', encoding='utf-8') as file:
for line in file:
line = line.rstrip('\n') # 移除换行符，避免影响输出整洁性
# 提取所有连续数字（支持多位数，如"abc123def45" → ['123', '45']）
numbers = re.findall(r'\d+', line)
# 移除所有数字（包括多位数），保留其余字符及空格
cleaned = re.sub(r'\d+', '', line)
all_numbers.append(numbers) # 每行对应一个数字子列表
clean_lines.append(cleaned) # 每行对应一个净化后字符串
# 示例输出（可根据需求替换为写入文件、转DataFrame等）
for i, (nums, clean) in enumerate(zip(all_numbers, clean_lines), 1):
print(f"Line {i}: digits → {nums!r}, cleaned → {clean!r}")
✅ 关键说明：
- re.findall(r'\d+', line) 精确捕获所有连续数字串（\d+ 表示一个及以上数字），而非单个数字字符（r'\d' 会把 "123" 拆成 ['1','2','3']）；
- re.sub(r'\d+', '', line) 全局替换所有数字串为空字符串，不破坏原有空格与标点结构；
- 使用 with open() 自动安全关闭文件，避免资源泄漏；
- 若需统一扁平化所有数字（如合并为单个大列表），可用 sum(all_numbers, [])；
- 对于超大文件，此方案仍保持流式处理（逐行读取），内存占用恒定。
⚠️ 注意事项：
- 若文件含非UTF-8编码（如GBK），请显式指定 encoding='gbk'；
- re.findall 返回的是字符串列表（如 ['42', '7']），如需数值计算，请用 list(map(int, numbers)) 转换；
- 正则中未启用 re.ASCII 标志，故 \d 在 Unicode 模式下可能匹配全角数字（如１２３）；若需严格匹配 ASCII 数字，建议改用 r'[0-9]+'。
该方法简洁、健壮、符合 Pythonic 风格，是文本数字分离任务的标准实践方案。
