如何用正则表达式从Pandas DataFrame提取多种格式英寸值至尺寸列？

问题分析 #

你写的正则存在几个核心漏洞：

1. 开头强制要求\d+，导致无法匹配1/2"这类纯分数格式的英寸值
2. 小数部分\.\d*的位置错误且未设为可选，无法兼容整数或分数格式
3. 使用原始字符串（r''）时，"无需额外转义，转义后反而会匹配\"而非目标字符

正确正则表达式 #

pattern = r'(?:\d+\s*)?(?:\d+/\d+|\d+\.\d+|\d+)"'

正则逻辑拆解 #

• (?:\d+\s*)?：匹配可选的整数前缀+空格（比如1 在1 1/2"中的部分），?:表示非捕获组，避免生成多余分组
• (?:\d+/\d+|\d+\.\d+|\d+)：覆盖三种数值格式，用|分隔分支：
  • \d+/\d+：匹配分数格式（如1/2、3/4）
  • \d+\.\d+：匹配小数格式（如1.5、2.75）
  • \d+：匹配整数格式（如1、10）
• "：直接匹配转义后的英寸引号（原始字符串模式下无需转义）

测试验证 #

该正则可精准匹配你列出的所有格式：

• 1" ✅
• 1 1/2" ✅
• 1.5" ✅
• 1/2" ✅

扩展用法 #

如果需要单独提取数值部分（不含"），可调整为带捕获组的版本：

pattern = r'((?:\d+\s*)?(?:\d+/\d+|\d+\.\d+|\d+))"'

匹配后通过group(1)即可获取纯数值内容。

内容的提问来源于stack exchange，提问作者hydroproxy