本文介绍使用python正则表达式高效处理文本文件：逐行读取，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，适用于日志清洗、数据预处理等场景。
本文介绍使用python正则表达式高效处理文本文件：逐行读取，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，适用于日志清洗、数据预处理等场景。
在实际数据处理中，常需将混杂数字的文本行进行结构化解析——例如从 "User ID: 789 logged in at 2024-05-20 14:30" 中分离出 ['789', '2024', '05', '20', '14', '30'] 和 "User ID: logged in at ------ ::" 这类需求。Python 的 re 模块配合上下文管理器 with open() 可简洁、安全、高效地完成该任务。
以下为完整可运行示例代码：
import re
# 初始化两个空列表用于累积结果
all_numbers = []
cleaned_lines = []
with open('file.txt', 'r', encoding='utf-8') as file:
for line in file:
line = line.rstrip('\n') # 去除换行符，避免影响输出格式
# 提取所有连续数字（支持多位数，如"100", "42"）
numbers = re.findall(r'\d+', line)
# 移除所有数字（保留空格、标点、字母等非数字字符）
cleaned = re.sub(r'\d+', '', line)
# 存入全局列表
all_numbers.append(numbers) # 每行对应一个子列表，如 [['12'], ['34', '567']]
cleaned_lines.append(cleaned) # 每行对应一个字符串，如 ['abc', 'def gh']
# 打印汇总结果（调试用）
for i, (nums, clean) in enumerate(zip(all_numbers, cleaned_lines), 1):
print(f"Line {i}: digits = {nums} → '{clean}'")
✅ 关键说明：
- re.findall(r'\d+', line) 匹配一个或多个连续数字，返回字符串列表（如 'a12b345c' → ['12', '345']）；若需单个数字（如 '1','2','3'），改用 r'\d'。
- re.sub(r'\d+', '', line) 将所有匹配到的数字串原位替换为空字符串，不破坏原有空格与标点布局。
- 使用 with open() 确保文件自动关闭，避免资源泄漏；建议显式指定 encoding='utf-8' 防止中文乱码。
- 若某行无数字，numbers 为空列表 []，cleaned 等于原行（不含换行符），逻辑完全健壮。
? 进阶提示：如需进一步清洗（如合并多余空格），可在 re.sub 后追加 re.sub(r'\s+', ' ', cleaned).strip()；若需数字转为整数，可用 [int(x) for x in numbers]（注意捕获 ValueError 异常）。
此方案兼具可读性、鲁棒性与扩展性，是文本数字分离任务的标准实践。
