如何优化提取占星宫位数据的正则表达式？

可以将原正则表达式的宫位分组大幅简化，同时提升匹配精度和执行效率，优化后的正则如下：

house_pattern = r'^(\d{1,2}|[A-Z](?:[A-Z]|[a-z]+\.))\s+([a-z])\s+(\d+°\s*\d+\'\d+")'

关键优化点 #

1. 宫位编号/关键点分组重构 #

原分组([A-Z]{2}|[A-Z][a-z]+\.|[0-9]|[0-9]{2})被简化为(\d{1,2}|[A-Z](?:[A-Z]|[a-z]+\.))，具体优化：

• 用\d{1,2}替代[0-9]|[0-9]{2}，简洁匹配1-12的1位或2位数字
• 用[A-Z](?:[A-Z]|[a-z]+\.)合并两种文本类型：
  • [A-Z][A-Z]：匹配IC、MC这类双大写字母的占星关键点缩写
  • [A-Z][a-z]+\.：匹配Asc.、Desc.这类首字母大写、后续小写字母加句点的缩写
• 使用非捕获组(?:...)避免创建不必要的捕获组，提升正则执行效率

2. 度数分组精度提升 #

原分组(\d+°+.\d+\'+.\d+")优化为(\d+°\s*\d+\'\d+")：

• 将°+改为°，因为每个度数只会有一个度符号，避免匹配无效的多°场景
• 将模糊的.改为\s*，精确匹配度与分之间可能存在的空格（比如示例中的23° 5'14"）
• 移除多余的+限定符，让正则逻辑更清晰，减少意外匹配

3. 行首锚定 #

添加^锚定行首，确保只匹配每一行开头的宫位数据，避免匹配行内其他无关内容，进一步提升准确性

验证结果 #

该正则可以完全匹配你的示例数据集，输出结果与原正则一致，同时代码更简洁、可读性更强。

内容的提问来源于stack exchange，提问作者Jordan