regex101: 匹配中文数字，用于逆向文本标准化

Explanation

Pro

Group 1([a-z]\s*)?

?repeats the group contents below at most once:

Character Class[a-z]

a-zone character from a (97₁₀) to z (122₁₀) (case insensitive)

\s*a Unicode whitespace character, repeated any number of times

Group 3( [零幺一二两三四五六七八九十百千万点比] |[零一二三四五六七八九十][ ] |(?<=[一二两三四五六七八九十])[年月日号] |(分之) )+

+repeats the group contents below at least once:

1st Alternative [零幺一二两三四五六七八九十百千万点比]

Character Class[零幺一二两三四五六七八九十百千万点比]

零the literal 零 (38646₁₀ / 113366₈ / 96F6₁₆)

幺the literal 幺 (24186₁₀ / 57172₈ / 5E7A₁₆)

一the literal 一 (19968₁₀ / 47000₈ / 4E00₁₆)

二the literal 二 (20108₁₀ / 47214₈ / 4E8C₁₆)

两the literal 两 (20004₁₀ / 47044₈ / 4E24₁₆)

三the literal 三 (19977₁₀ / 47011₈ / 4E09₁₆)

四the literal 四 (22235₁₀ / 53333₈ / 56DB₁₆)

五the literal 五 (20116₁₀ / 47224₈ / 4E94₁₆)

六the literal 六 (20845₁₀ / 50555₈ / 516D₁₆)

七the literal 七 (19971₁₀ / 47003₈ / 4E03₁₆)

八the literal 八 (20843₁₀ / 50553₈ / 516B₁₆)

九the literal 九 (20061₁₀ / 47135₈ / 4E5D₁₆)

十the literal 十 (21313₁₀ / 51501₈ / 5341₁₆)

百the literal 百 (30334₁₀ / 73176₈ / 767E₁₆)

千the literal 千 (21315₁₀ / 51503₈ / 5343₁₆)

万the literal 万 (19975₁₀ / 47007₈ / 4E07₁₆)

点the literal 点 (28857₁₀ / 70271₈ / 70B9₁₆)

比the literal 比 (27604₁₀ / 65724₈ / 6BD4₁₆)

2nd Alternative[零一二三四五六七八九十][ ]

Character Class[零一二三四五六七八九十]

零the literal 零 (38646₁₀ / 113366₈ / 96F6₁₆)

一the literal 一 (19968₁₀ / 47000₈ / 4E00₁₆)

二the literal 二 (20108₁₀ / 47214₈ / 4E8C₁₆)

三the literal 三 (19977₁₀ / 47011₈ / 4E09₁₆)

四the literal 四 (22235₁₀ / 53333₈ / 56DB₁₆)

五the literal 五 (20116₁₀ / 47224₈ / 4E94₁₆)

六the literal 六 (20845₁₀ / 50555₈ / 516D₁₆)

七the literal 七 (19971₁₀ / 47003₈ / 4E03₁₆)

八the literal 八 (20843₁₀ / 50553₈ / 516B₁₆)

九the literal 九 (20061₁₀ / 47135₈ / 4E5D₁₆)

十the literal 十 (21313₁₀ / 51501₈ / 5341₁₆)

Character Class[ ]

the literal (32₁₀ / 40₈ / 20₁₆)

3rd Alternative(?<=[一二两三四五六七八九十])[年月日号]

Positive Lookbehind(?<=[一二两三四五六七八九十])

Character Class[一二两三四五六七八九十]

一the literal 一 (19968₁₀ / 47000₈ / 4E00₁₆)

二the literal 二 (20108₁₀ / 47214₈ / 4E8C₁₆)

两the literal 两 (20004₁₀ / 47044₈ / 4E24₁₆)

三the literal 三 (19977₁₀ / 47011₈ / 4E09₁₆)

四the literal 四 (22235₁₀ / 53333₈ / 56DB₁₆)

五the literal 五 (20116₁₀ / 47224₈ / 4E94₁₆)

六the literal 六 (20845₁₀ / 50555₈ / 516D₁₆)

七the literal 七 (19971₁₀ / 47003₈ / 4E03₁₆)

八the literal 八 (20843₁₀ / 50553₈ / 516B₁₆)

九the literal 九 (20061₁₀ / 47135₈ / 4E5D₁₆)

十the literal 十 (21313₁₀ / 51501₈ / 5341₁₆)

Character Class[年月日号]

年the literal 年 (24180₁₀ / 57164₈ / 5E74₁₆)

月the literal 月 (26376₁₀ / 63410₈ / 6708₁₆)

日the literal 日 (26085₁₀ / 62745₈ / 65E5₁₆)

号the literal 号 (21495₁₀ / 51767₈ / 53F7₁₆)

4th Alternative(分之)

Group 4(分之)

分之the literal text 分之

Group 5( (?<=[一二两三四五六七八九十])[a-zA-Z年月日号个只分万亿秒] |(?<=[一二两三四五六七八九十]\s)[a-zA-Z] )?

?repeats the group contents below at most once:

1st Alternative (?<=[一二两三四五六七八九十])[a-zA-Z年月日号个只分万亿秒]

Positive Lookbehind(?<=[一二两三四五六七八九十])

Character Class[一二两三四五六七八九十]

一the literal 一 (19968₁₀ / 47000₈ / 4E00₁₆)

二the literal 二 (20108₁₀ / 47214₈ / 4E8C₁₆)

两the literal 两 (20004₁₀ / 47044₈ / 4E24₁₆)

三the literal 三 (19977₁₀ / 47011₈ / 4E09₁₆)

四the literal 四 (22235₁₀ / 53333₈ / 56DB₁₆)

五the literal 五 (20116₁₀ / 47224₈ / 4E94₁₆)

六the literal 六 (20845₁₀ / 50555₈ / 516D₁₆)

七the literal 七 (19971₁₀ / 47003₈ / 4E03₁₆)

八the literal 八 (20843₁₀ / 50553₈ / 516B₁₆)

九the literal 九 (20061₁₀ / 47135₈ / 4E5D₁₆)

十the literal 十 (21313₁₀ / 51501₈ / 5341₁₆)

Character Class[a-zA-Z年月日号个只分万亿秒]

a-zone character from a (97₁₀) to z (122₁₀) (case insensitive)

A-Zone character from A (65₁₀) to Z (90₁₀) (case insensitive)

年the literal 年 (24180₁₀ / 57164₈ / 5E74₁₆)

月the literal 月 (26376₁₀ / 63410₈ / 6708₁₆)

日the literal 日 (26085₁₀ / 62745₈ / 65E5₁₆)

号the literal 号 (21495₁₀ / 51767₈ / 53F7₁₆)

个the literal 个 (20010₁₀ / 47052₈ / 4E2A₁₆)

只the literal 只 (21482₁₀ / 51752₈ / 53EA₁₆)

分the literal 分 (20998₁₀ / 51006₈ / 5206₁₆)

万the literal 万 (19975₁₀ / 47007₈ / 4E07₁₆)

亿the literal 亿 (20159₁₀ / 47277₈ / 4EBF₁₆)

秒the literal 秒 (31186₁₀ / 74722₈ / 79D2₁₆)

2nd Alternative(?<=[一二两三四五六七八九十]\s)[a-zA-Z]

Positive Lookbehind(?<=[一二两三四五六七八九十]\s)

Character Class[一二两三四五六七八九十]

一the literal 一 (19968₁₀ / 47000₈ / 4E00₁₆)

二the literal 二 (20108₁₀ / 47214₈ / 4E8C₁₆)

两the literal 两 (20004₁₀ / 47044₈ / 4E24₁₆)

三the literal 三 (19977₁₀ / 47011₈ / 4E09₁₆)

四the literal 四 (22235₁₀ / 53333₈ / 56DB₁₆)

五the literal 五 (20116₁₀ / 47224₈ / 4E94₁₆)

六the literal 六 (20845₁₀ / 50555₈ / 516D₁₆)

七the literal 七 (19971₁₀ / 47003₈ / 4E03₁₆)

八the literal 八 (20843₁₀ / 50553₈ / 516B₁₆)

九the literal 九 (20061₁₀ / 47135₈ / 4E5D₁₆)

十the literal 十 (21313₁₀ / 51501₈ / 5341₁₆)

\sa Unicode whitespace character

Character Class[a-zA-Z]

a-zone character from a (97₁₀) to z (122₁₀) (case insensitive)

A-Zone character from A (65₁₀) to Z (90₁₀) (case insensitive)

Condition(?(1) |(?(5) |( [零幺一二两三四五六七八九十百千万亿点比] |(分之) ) )+ )

Uses the first branch if group 1 matched

If the condition is true, match this branch: — matches an empty string

Otherwise, match this branch:(?(5) |( [零幺一二两三四五六七八九十百千万亿点比] |(分之) ) )+

Global pattern flags

x modifier: extended. Ignores unescaped whitespace and comments outside character classes

i modifier: insensitive. Matches without distinguishing uppercase and lowercase letters

g modifier: global. Finds all matches instead of stopping after the first

Quick Reference

25 tokens

Regular Expression

([a-z]\s*)?
(
  (
    [零幺一二两三四五六七八九十百千万点比]
    |[零一二三四五六七八九十][ ]
    |(?<=[一二两三四五六七八九十])[年月日号]
    |(分之)
  )+
  (
    (?<=[一二两三四五六七八九十])[a-zA-Z年月日号个只分万亿秒]
    |(?<=[一二两三四五六七八九十]\s)[a-zA-Z]
  )?
  (?(1)
  |(?(5)
    |(
      [零幺一二两三四五六七八九十百千万亿点比]
      |(分之)
    )
  )+
  )
)

压缩软件七 zip 
这是一部 iPhone 四 s 
这是一部苹果四 s
我要玩 gta五
索尼相机 mark 五
三星 s 七
数字测试一万三千七百零二
不管三七二十一
九九八十一难
时间测试二零一八年五月二十三号上午十点十分
一万零七十六
百分之三十二点六八
比分测试十七比十六
比分测试三十七比十六
一点一
一点一滴
八九十
一个人一定要
一五八七三六九零
二七九三零一二二
八五三零七四九九
二六一四九七八七
一五九六四八六二
四五六九八七二三
四八六一五九六四
一七八六四五八九
一二三加四五六
九七八六加三三八四
发电站每天发电三万零二十九度电
银行月交易总额七千九百零三亿元
深圳每月平均工资在一万三千元
每月房租要交一千伍佰元
我每月交通费用在四百元左右
本月开销费用是五万一千三百二十八元
如果你中了五千万元奖金会分我一半吗
这个月工资我发了三千五百二十九元
学会了这个技能你至少可以涨薪五千元
我们的会议时间定在九点二十五分开始
上课时间是八点十五分请不要迟到
昨天你九点二十一分才到教室
今天是二零一九年一月三十一号
今年的除夕夜是二零一九年二月四号
这根水管的长度不超过三十五米
四百米是最短的长跑距离
最高的撑杆跳为十一米
等会请在十二点零五分请通知我
二十三点十五分开始
你生日那天我会送你九百九十九朵玫瑰
给我一双鞋我可以跳九十六米远
虽然我们的身高相差三百五十六毫米也不影响我们交往
我们班的最高总分为五百八十三分
今天考试老师多扣了我二十一分
我量过这张桌子总长为一点三七米
乘务员身高必须超过一百八十五公分
这台电脑分辨率为一零二四
手机价格不超过一千五百元
一百零一点二三
一百二十三点一一六
四百五十六点一四七
零点一五九四
三点一四一五
零点一一二二三三
零点一
四万零一点九八七
五十六点八七八
零点零零一二三
零点零零零一
零点九二零一五
九百九十九点零零零一
一万点一二三
六百六十六点五五五
四百四十四点七八九
七百八十九点六六六
零点一二三四五
一点零五六四九
环比上调百分之一点八六
环比分别下跌百分之三点四六及微涨百分之零点七零
单价在三万元的二手房购房个案当中
六月仍有百分之七单价在三万元的房源
最终也只是以总积分一分之差屈居第二
中新网八月二十九日电今日
自六月底呼和浩特市率先宣布取消限购后
仅一个多月的时间里
除了北京上海广州深圳四

Substitution

压缩软件七 zip 
这是一部 iPhone 四 s 
这是一部苹果四 s
我要玩 gta五
索尼相机 mark 五
三星 s 七
数字测试一万三千七百零二
不管三七二十一
九九八十一难
时间测试二零一八年五月二十三号上午十点十分
一万零七十六
百分之三十二点六八
比分测试十七比十六
比分测试三十七比十六
一点一
一点一滴
八九十
一个人一定要
一五八七三六九零
二七九三零一二二
八五三零七四九九
二六一四九七八七
一五九六四八六二
四五六九八七二三
四八六一五九六四
一七八六四五八九
一二三加四五六
九七八六加三三八四
发电站每天发电三万零二十九度电
银行月交易总额七千九百零三亿元
深圳每月平均工资在一万三千元
每月房租要交一千伍佰元
我每月交通费用在四百元左右
本月开销费用是五万一千三百二十八元
如果你中了五千万元奖金会分我一半吗
这个月工资我发了三千五百二十九元
学会了这个技能你至少可以涨薪五千元
我们的会议时间定在九点二十五分开始
上课时间是八点十五分请不要迟到
昨天你九点二十一分才到教室
今天是二零一九年一月三十一号
今年的除夕夜是二零一九年二月四号
这根水管的长度不超过三十五米
四百米是最短的长跑距离
最高的撑杆跳为十一米
等会请在十二点零五分请通知我
二十三点十五分开始
你生日那天我会送你九百九十九朵玫瑰
给我一双鞋我可以跳九十六米远
虽然我们的身高相差三百五十六毫米也不影响我们交往
我们班的最高总分为五百八十三分
今天考试老师多扣了我二十一分
我量过这张桌子总长为一点三七米
乘务员身高必须超过一百八十五公分
这台电脑分辨率为一零二四
手机价格不超过一千五百元
一百零一点二三
一百二十三点一一六
四百五十六点一四七
零点一五九四
三点一四一五
零点一一二二三三
零点一
四万零一点九八七
五十六点八七八
零点零零一二三
零点零零零一
零点九二零一五
九百九十九点零零零一
一万点一二三
六百六十六点五五五
四百四十四点七八九
七百八十九点六六六
零点一二三四五
一点零五六四九
环比上调百分之一点八六
环比分别下跌百分之三点四六及微涨百分之零点七零
单价在三万元的二手房购房个案当中
六月仍有百分之七单价在三万元的房源
最终也只是以总积分一分之差屈居第二
中新网八月二十九日电今日
自六月底呼和浩特市率先宣布取消限购后
仅一个多月的时间里
除了北京上海广州深圳四