Scrapy ItemLoader中可变长度正向后行断言正则提取尺寸值问题

不用写Pipeline，直接在ItemLoader里就能搞定，给你两个可行方案：

方案一：一次性匹配X/Y维度（推荐） #

直接用一个正则同时捕获X和Y的值，再通过ItemLoader的处理器拆分到对应字段，避免前后断言的问题。

正则表达式 #

(\d+(?:[,.]\d+)?)\s*[xX]\s*(\d+(?:[,.]\d+)?)

这个正则会分别捕获X（第一组）和Y（第二组）的数值，兼容逗号/点作为小数分隔符，以及X/Y之间的任意空格和大小写X。

ItemLoader实现示例 #

from scrapy.loader import ItemLoader
from scrapy.loader.processors import TakeFirst, MapCompose

def extract_both_dimensions(text):
    import re
    match = re.search(r'(\d+(?:[,.]\d+)?)\s*[xX]\s*(\d+(?:[,.]\d+)?)', text)
    return match.groups() if match else (None, None)

def normalize_decimal(val):
    # 把逗号分隔的小数转成点，方便后续转成数值类型
    return val.replace(',', '.') if val else None

class DimensionLoader(ItemLoader):
    default_output_processor = TakeFirst()

    # 提取X维度
    x_dim_in = MapCompose(extract_both_dimensions)
    x_dim_out = lambda vals: normalize_decimal(vals[0]) if vals else None

    # 提取Y维度
    y_dim_in = MapCompose(extract_both_dimensions)
    y_dim_out = lambda vals: normalize_decimal(vals[1]) if vals else None

方案二：单独匹配Y维度 #

如果不想一次性提取，换用负前瞻断言替代正向后行断言，匹配后面不再出现X/x的数值（也就是Y值）：

正则表达式 #

\d+(?:[,.]\d+)?(?!.*\s*[xX]\s*)

这个正则的逻辑是：匹配符合格式的数字，且该数字之后的文本里不再有X/x，这样就能精准定位到Y维度。

ItemLoader中直接使用 #

from scrapy.loader import ItemLoader
from scrapy.loader.processors import TakeFirst, MapCompose

class DimensionLoader(ItemLoader):
    default_output_processor = TakeFirst()

    x_dim_re = r'\d+(?:[,.]\d+)?(?=\s*[xX]\s*\d+)'
    y_dim_re = r'\d+(?:[,.]\d+)?(?!.*\s*[xX]\s*)'

    # 可选：统一小数格式
    x_dim_out = MapCompose(lambda x: x.replace(',', '.') if x else None)
    y_dim_out = MapCompose(lambda x: x.replace(',', '.') if x else None)

两种方案都能在ItemLoader内完成所有逻辑，不需要依赖Pipeline。如果后续还要做数值转换、范围校验等，也可以直接在ItemLoader的输出处理器里扩展。

内容的提问来源于stack exchange，提问作者AlexanderP