使用Python匹配中文数字的方法详解

2026-04-01 08:22:24 作者：detayun

在处理中文文本时,经常需要识别或提取中文数字,Python 的正则表达式（re 模块）可以高效地完成这一任务,本文将介绍如何用 Python 匹配中文数字,需要的朋友可以参考下

引言

在处理中文文本时，经常需要识别或提取 中文数字（如 一、二、三、十、百、千 等）。Python 的正则表达式（re 模块）可以高效地完成这一任务。本文将介绍 如何用 Python 匹配中文数字，包括 基本匹配、范围匹配、严格匹配 以及 常见应用场景。

1. 什么是中文数字？

中文数字包括：

基本数字：零、一、二、三、四、五、六、七、八、九
十进制单位：十、百、千、万、亿
组合形式：十一、二十、一百、一千、一万 等
大写数字（财务常用）：壹、贰、叁、肆、伍、陆、柒、捌、玖

本文主要讨论 基本中文数字（一 到 十）的匹配，但方法可以扩展到更复杂的数字。

2. 基本匹配：单个中文数字

2.1 匹配一到十

使用 [一二三四五六七八九十] 可以匹配单个中文数字：

import re

text = "一二三、四五六、七八九十"
pattern = r'[一二三四五六七八九十]'

matches = re.findall(pattern, text)
print(matches)  # 输出: ['一', '二', '三', '四', '五', '六', '七', '八', '九', '十']

2.2 匹配零到九

如果只需要 零 到 九（不包括 十）：

pattern = r'[零一二三四五六七八九]'
matches = re.findall(pattern, "零一二三四五六七八九")
print(matches)  # 输出: ['零', '一', '二', '三', '四', '五', '六', '七', '八', '九']

3. 范围匹配：一到十的多个数字

3.1 匹配1~3个中文数字

使用 {1,3} 限定匹配 1~3 个 中文数字：

text = "一二三、四五六、七八九十、十一"
pattern = r'[一二三四五六七八九十]{1,3}'

matches = re.findall(pattern, text)
print(matches)  # 输出: ['一二三', '四五六', '七八九', '十', '十一']

问题：十一 被拆分成 十 和 一（因为 {1,3} 是贪婪匹配）。

3.2 严格匹配1~3个连续中文数字

如果希望 十一 被视为一个整体，可以：

pattern = r'(?:[一二三四五六七八九]|十[一二三四五六七八九]?){1,3}'
matches = re.findall(pattern, "一二三、四五六、七八九十、十一")
print(matches)  # 输出: ['一二三', '四五六', '七八九十', '十一']

解释：

[一二三四五六七八九] → 匹配 一 到 九
十[一二三四五六七八九]? → 匹配 十 或 十一 到 十九
(?:...) → 非捕获分组（仅匹配，不提取）
{1,3} → 匹配 1~3 次

4. 严格匹配：一到九十九

4.1 匹配1~99的中文数字

中文数字 1~99 的规则：

1~9 → 一 到 九
10~19 → 十 到 十九
20~99 → 二十 到 九十九（但 二十 不能写成 二二十）

正则表达式：

pattern = r'^([一二三四五六七八九]|十[一二三四五六七八九]?|二十|三十|四十|五十|六十|七十|八十|九十)$'

优化版（更简洁）：

pattern = r'^([一二三四五六七八九]|十[一二三四五六七八九]?|[二三四五六七八九十]十)$'
matches = re.findall(pattern, ["一", "十", "十一", "二十", "九十九", "一百"])
print(matches)  # 输出: ['一', '十', '十一', '二十', '九十九']

问题：一百 不匹配（因为超出范围）。

4.2 更通用的1~99匹配

pattern = r'^([一二三四五六七八九]|十[一二三四五六七八九]?|[二三四五六七八九十]十|[二三四五六七八九十][一二三四五六七八九])$'
matches = re.findall(pattern, ["一", "十", "十一", "二十", "二十一", "九十九", "一百"])
print(matches)  # 输出: ['一', '十', '十一', '二十', '二十一', '九十九']

解释：

[一二三四五六七八九] → 1~9
十[一二三四五六七八九]? → 10~19
[二三四五六七八九十]十 → 20~90（如 二十、三十）
[二三四五六七八九十][一二三四五六七八九] → 21~99（如 二十一、九十九）

5. 匹配中文数字 + 标点符号

5.1 匹配一、二.三等

常见场景：章节标题、编号（如 一、 二. 三 ）。

text = "一、引言 二.背景 三 方法"
pattern = r'([一二三四五六七八九十]+)[、. ]'

matches = re.findall(pattern, text)
print(matches)  # 输出: ['一', '二', '三']

优化版（匹配整个编号 + 标点）：

pattern = r'([一二三四五六七八九十]+)[、. ]'
for match in re.finditer(pattern, text):
    print(f"数字: {match.group(1)}, 标点: {match.group(2)}")

输出：

数字: 一, 标点: 、
数字: 二, 标点: .
数字: 三, 标点:

5.2 严格匹配一、十.二十一

text = "一、 十. 二十一 二十二、 九十九. 一百"
pattern = r'([一二三四五六七八九]|十[一二三四五六七八九]?|[二三四五六七八九十][一二三四五六七八九]?)[、. ]'

matches = re.findall(pattern, text)
print(matches)  # 输出: ['一', '十', '二十一', '二十二', '九十九']

6. 完整代码示例

6.1 匹配1~99的中文数字

import re

def match_chinese_numbers(text):
    pattern = r'([一二三四五六七八九]|十[一二三四五六七八九]?|[二三四五六七八九十]十|[二三四五六七八九十][一二三四五六七八九])'
    matches = re.findall(pattern, text)
    return matches

text = "一 十 十一 二十 二十一 九十九 一百"
print(match_chinese_numbers(text))  # 输出: ['一', '十', '十一', '二十', '二十一', '九十九']

6.2 匹配中文数字 + 标点符号

def match_chinese_numbers_with_punctuation(text):
    pattern = r'([一二三四五六七八九十]+)[、. ]'
    matches = []
    for match in re.finditer(pattern, text):
        matches.append((match.group(1), match.group(2)))
    return matches

text = "一、引言 十.背景 二十一 方法"
print(match_chinese_numbers_with_punctuation(text))
# 输出: [('一', '、'), ('十', '.'), ('二十一', ' ')]

7. 总结

需求	正则表达式	示例匹配
匹配 `一` 到 `十`	`[一二三四五六七八九十]`	`一`, `二`, `十`
匹配 `1~3` 个中文数字	`[一二三四五六七八九十]{1,3}`	`一二三`, `十`
匹配 `1~99` 的中文数字	`([一二三四五六七八九]	十[一二三四五六七八九]?
匹配 `一、` `十.` `二十一`	`([一二三四五六七八九十]+)[、. ]`	`一、`, `十.`, `二十一`

关键点

基本匹配：[一二三四五六七八九十] 匹配单个数字。
范围匹配：{1,3} 限定匹配 1~3 个数字。
严格匹配：使用 十[一二三四五六七八九]? 匹配 10~19。
标点符号匹配：[、. ] 匹配 、、. 或空格。

8. 扩展应用

中文数字转阿拉伯数字（如 "二十三" → 23）
提取中文金额（如 "壹佰贰拾叁元" → 123）
自然语言处理（NLP） 中的中文数字识别

以上就是使用Python匹配中文数字的方法详解的详细内容，更多关于Python匹配中文数字的资料请关注脚本之家其它相关文章！