提取数字文本_从文本中抽取数字并去重排序

使用方法

打开本页，输入框已预填一段含订单号、金额、负号与电话号码的示例文本，结果区直接列出抽出的 6 个数字，无需先点按钮。
在文本框粘贴或输入你的内容；点「提取数字」或按 Ctrl/Cmd+Enter 立即抽取，改动文本也会自动重算。
勾选「去重」只保留首次出现的数字；勾选「升序」按从小到大排列，两个选项可同时生效。
普通整数、小数（如 456.78）、负号（如 -9）都会被抽到；千分位逗号会被清理，1,234 变成 1234。
点「复制结果」把抽出的数字列复制到剪贴板；下方「复制对照表」复制提取规则，「导出 CSV」保存带字节序标记的表格。
本工具不联网、不记录输入，刷新回到默认示例；所有抽取只在你浏览器里完成。

这个提取数字文本工具能解决什么

日志、报表、聊天记录里常散落着订单号、金额、数量，人工挑数字既慢又容易漏。提取数字文本工具用正则把文本里所有数字一次性抓出来，省去肉眼逐行扫描。

第一类用途是报表与日志清洗。把导出的文本粘进来，几秒拿到纯数字列，直接进表格做求和、统计，不必逐行复制粘贴。

第二类用途是核对与对账。订单号、金额混在说明文字里，抽出后和账目比对，快速发现数目对不上的地方，减少人工差错。

第三类用途是数据预处理。做分析前先把数字从非结构化文本里剥离，再去重、排序，作为后续脚本的输入，显著减少手工整理时间。

值得一提的是，连字符连接的电话号码、日期分段会被作为整体保留而非拆成两段，避免了把「010-8888」误拆成两个数字；这类规则让抽取结果更贴近真实语义，且全程本地、不上传任何内容。

原理和变量

核心是一条「两段式正则」：先用 (\d+(?:-\d+)+) 把连字符连接的连续数字段（如 010-8888、2026-01-01）整体捕获，再用 (-?\d+(?:,\d{3})*(?:\.\d+)?) 捕获普通数字——可带负号、千分位逗号与小数点。前者优先匹配，避免电话号码被拆成「010」和「-8888」。变量是原始文本 T 与两个布尔开关：去重 u、升序 s。下表示意各类输入的具体处理。

类型	规则	示例
整数	连续数字	123 → 123
小数	含小数点	456.78 → 456.78
负数	前置负号	-9 → -9
千分位	去除逗号	1,234 → 1234
连字符号码	整体保留	010-8888 → 010-8888
日期分段	整体保留	2026-01-01 → 2026-01-01

为什么用两段式而非一条正则？因为负号与连字符在文本里长得很像，但语义相反：负号表示数值为负，连字符表示「连接」。若只用一条规则，010-8888 会被拆成 010 和 -8888，既破坏了号码也产生了错误负数。先整体捕获连字符段，再处理独立数字，才能把两者区分开，这正是对「技术内核」最关键的取舍，也是本工具区别于普通「找数字」脚本的本质之处。

完整示例

以示例文本「订单号123 金额456.78元共-9件电话010-8888」「温度是36.5度湿度70%」为例，正则依次捕获 123、456.78、-9、010-8888、36.5、70，下面这段就是结果区直出原文，未做任何硬编码替换，可被算法逐字复算。

若勾选「去重」且文本里出现重复数字，则只保留第一次出现；勾选「升序」后纯数字按数值从小到大排，含连字符的令牌按字符串排，顺序可控、结果可复算。

这里有一个易错点：连字符令牌（如 010-8888）在升序时按字符串而不是数值排序，因为它含非数字字符，强行当数字会丢失号码结构。本工具选择保留其原貌，让你在后续处理时仍能认出这是电话号码而非普通数值，也避免把客户号码排得乱七八糟。

数字提取规则对照表

下表共 14 行，列出各类输入的处理规则与示例。前 12 行默认显示，点工具区的「加载更多」看余下 2 行。规则与本工具正则一致，便于你预判抽取结果。

如果你的文本里混入大量字母与符号，不用担心，它们都会被忽略，只有数字相关片段进入结果；这也意味着「编号 A-1」「版本 2.0」里的 1、2.0 仍会被抽出，但 A-1 整体保留，不会拆成 A 和负数，兼顾了灵活性与正确性。

类型	规则	示例输入 → 提取
整数	连续数字	123 → 123
小数	含小数点	456.78 → 456.78
负数	前置负号	-9 → -9
千分位	去除逗号	1,234 → 1234
连字符号码	整体保留	010-8888 → 010-8888
日期分段	整体保留	2026-01-01 → 2026-01-01
金额符号	仅取数字	￥99 → 99
百分比	数字部分	70% → 70
版本号	整体保留	1-2-3 → 1-2-3
编号区间	整体保留	5-10 → 5-10
去重	相同只留一	1 1 → 1
升序	从小到大	3 1 2 → 1 2 3
空白分隔	不影响	空格换行均可
字母符号	被忽略	仅保留数字

横向读这张表能看出：凡是「数字-数字」的连续段都优先整体保留，只有真正独立的数字才被单独抽取，所以电话、日期、版本号都不会被负号或减号规则破坏。

把这条规则记牢，你就能放心地把整段日志、整封邮件粘进来，而不必先手工清理格式；抽取结果既保留了结构化号码，又剥离了冗余文字，刚好可以作为下一步统计或比对的干净输入，省下大量预处理时间。

当你处理大段非结构化文本时，先把数字抽出来往往只是第一步；抽完之后，建议立刻用「去重」清理重复计数，再用「升序」排出大小，这样就能直接看出最大值、最小值与整体分布，而不必肉眼把整列扫一遍。把抽取与整理放在同一页完成，正是为了减少在多个工具之间来回切换的损耗，也让结果更连贯、更易追溯。

结果边界与错误提示

文本完全为空时，提示「文本不能为空：请粘贴或输入包含数字的内容」，不会输出空行或假结果。
文本里没有任何数字时，提示「未提取到任何数字」，不会报错崩溃或给无意义结果。
千分位写成非标准逗号（如 12,34）时按普通数字分段处理，不会强行当千分位，结果以实际捕获为准。
连字符号码中的短横被保留，不会把「010-8888」拆成 010 与 -8888，避免号码失真、比对出错。
结果区与错误区都带 role="alert"，内容变化会被屏幕阅读器播报；所有抽取本地完成，不联网不写存储。
对照表 CSV 导出带字节序标记，Excel 双击不乱码；「复制对照表」是制表符分隔文本，粘进表格软件会自动分列。
复制失败时提示「复制失败，请手动选择文本复制」，不会静默无反应让你误以为已复制。
本工具只做文本层数字抽取，不解析单位含义（如「万元」「kg」），如需换算请配合单位工具另行处理。

常见问题

电话号码为什么没被拆开？

因为正则优先把「数字-数字」的连续段整体捕获，010-8888 作为一个令牌保留，不会被负号规则拆成 010 与 -8888 两段。

千分位逗号会保留吗？

不会，1,234 会被清理成 1234；若你的逗号不是三位一分（如 12,34），则按实际分段捕获，不会被误判。

日期 2026-01-01 会拆吗？

不会，连字符连接的日期分段整体保留为 2026-01-01，符合「整体保留」规则，不会被拆成多个数字。

负数怎么识别？

数字前紧跟负号即识别为负数，如 -9；若负号前是数字（如 8-9）则按区间整体保留，不视为负数。

去重和升序能一起用吗？

能，先去重保留首次出现，再按升序排列，两个开关互不冲突、依次生效。

科学计数法 1e3 能提取吗？

当前不单独支持指数写法，会按普通数字与字母分别对待；如常用可后续增加该规则。

复制的内容是什么？

复制抽出的数字列，每行一个，可直接粘贴进表格或脚本继续处理，无需再整理格式。

数据会上传吗？

不会。文本与结果只在浏览器里处理，刷新即清空，不写服务器也不留本地存储，适合处理敏感文本。

提取数字文本_从文本中抽数字并去重排序