如何用正则表达式提取数字及特殊字符前的箱包类型？

需求说明 #

从以下条目里提取数字、空格、(、[等特殊字符之前的箱包类型：

• Suitcase 6l
• Backpack (28kg)
• Duffel Bag 6kg
• Purse [3kg]
• Duffel Bag [25l]
• Duffel Bag 10l

期望得到唯一的箱包类型列表：

• Suitcase
• Backpack
• Duffel Bag
• Purse

正确正则表达式 #

^[\w\s]+?(?=\s*(?:\d|\(|\[))

正则拆解 #

• ^：锚定字符串开头，确保从条目起始位置匹配
• [\w\s]+?：匹配字母、空格组成的箱包名称，+?是非贪婪模式，避免过度匹配到后面的无效字符
• (?=\s*(?:\d|\(|\[))：正向预查，匹配后面跟着可选空格，再是数字、(或[的位置，以此作为匹配终止的标记

代码示例（Python） #

import re

item_list = [
    "Suitcase 6l",
    "Backpack (28kg)",
    "Duffel Bag 6kg",
    "Purse [3kg]",
    "Duffel Bag [25l]",
    "Duffel Bag 10l"
]

pattern = r"^[\w\s]+?(?=\s*(?:\d|\(|\[))"
unique_types = set()

for item in item_list:
    match_result = re.match(pattern, item)
    if match_result:
        unique_types.add(match_result.group().strip())

# 输出去重后的箱包类型
for typ in sorted(unique_types):
    print(f"- {typ}")

原正则问题分析 #

你之前用的(?i)(\D*^)无法满足需求，原因是：

• \D*会匹配所有非数字字符，包括(、[这些你想排除的特殊符号
• ^放在表达式末尾是错误的，它是行首锚定符，位置颠倒导致逻辑混乱

内容的提问来源于stack exchange，提问作者Linfeng Li