Python正则提取字符串列表内容：交易数据解析异常求助

AI 小北

2026-5-8

解决PDF提取交易数据的字段匹配问题

我看你用pytesseract从PDF里提取了交易记录，转成字典列表时遇到了字段匹配错误的问题——尤其是Item_Name、交易金额和余额经常串错，还有重复的错误条目。咱们来分析下原代码的问题，再给你一个更可靠的解决方案。

原代码的问题点

正则匹配不够精准：比如你的item_and_name_pattern硬写了\d{2}-\d{2}-\d{4}，但第四行的日期是08.10.2019（用点分隔），导致这个正则匹配不到，加上except pass直接跳过错误，就会复用之前循环里的变量值，出现重复的错误条目。
金额和余额的匹配逻辑混乱：原代码里先取total再用rstrip去掉，然后找amount，这种依赖字符串截断的方式很容易因为空格、格式差异出错。
异常处理太粗糙：except: pass会掩盖错误，导致错误的变量值被带入下一次循环，生成错误的条目。

更可靠的解决方案

换个思路：每行的结构其实是「日期 + 交易描述 + 交易金额 + 余额」，咱们可以先精准提取日期，再把最后两个数值字段分离出来，剩下的就是交易描述。这样逻辑更清晰，容错性也更强。

修正后的代码

import re
from collections import namedtuple

# 你的原始交易数据
Statement= ['07-10-2019 UPI/927912685773/UPI/surya.balaji94@/Citibank 6,677.00 2,36,804.08', 
            '07-10-2019 MOBILE BANKING DUT/CITIBANK 3,403.00 2,40,207.08', 
            '07-10-2019 BIL/INFT/001818195728/82D3/ AJAY KUMAR JHA 6,080.00 2,46,287.08', 
            '08.10.2019 MOBILE BANKING MMM TiMPS/928115182374/8161 Oct Mte/AMARJEET SIHDFC 4,411.00 250,698.08', 
            '08-10-2019 BIL/INFT/001818636132/E3 BIk1 Pramod/ PRAMOD KUMAR P 6,599.00 2,57,297.08']

cols = ["Date", "Item_Name", "Transaction_Amount", "Balance"]
Transaction = namedtuple("Transaction", cols)
transactions = []

# 匹配日期：支持-或.分隔的DD-MM-YYYY格式，确保分隔符一致（比如08.10.2019不会误匹配成08-10.2019）
date_pattern = re.compile(r"\d{2}([-.])\d{2}\1\d{4}")
# 匹配所有带千分位逗号和两位小数的数值（覆盖交易金额和余额的格式）
amount_pattern = re.compile(r"\d{1,3}(?:,\d{3})*\.\d{2}")

for item in Statement:
    try:
        # 1. 提取日期
        date_match = date_pattern.search(item)
        if not date_match:
            print(f"无法识别日期: {item}")
            continue
        date = date_match.group()
        
        # 2. 提取所有数值字段，最后两个分别是交易金额和余额
        amounts = amount_pattern.findall(item)
        if len(amounts) < 2:
            print(f"数值字段不足: {item}")
            continue
        transaction_amount = amounts[-2]
        balance = amounts[-1]
        
        # 3. 提取交易名称：去掉日期、交易金额、余额后，清理多余空格
        temp = item.replace(date, "").replace(transaction_amount, "").replace(balance, "").strip()
        # 把多个连续空格合并成一个，避免描述里有多余空格
        item_name = re.sub(r"\s+", " ", temp)
        
        # 4. 生成交易对象并存入列表
        t = Transaction(date, item_name, transaction_amount, balance)
        transactions.append(t)
    except Exception as e:
        print(f"处理条目失败: {item}，错误信息: {str(e)}")
        continue

# 转换为字典列表
out = [{k:v for k, v in f._asdict().items()} for f in transactions]

# 打印测试结果
for entry in out:
    print(entry)

代码说明

日期匹配：用\d{2}([-.])\d{2}\1\d{4}确保日期的分隔符一致（要么全是-，要么全是.），避免误匹配。
数值提取：用amount_pattern提取所有符合格式的数值，直接取最后两个作为交易金额和余额，不管中间有多少空格或者格式变化。
交易描述清理：通过替换已知的日期、金额字段，再合并多余空格，得到干净的交易名称，避免了正则匹配的局限性。
异常处理：不再静默跳过错误，而是打印错误信息方便调试，避免错误变量复用。

正确输出结果

{'Date': '07-10-2019', 'Item_Name': 'UPI/927912685773/UPI/surya.balaji94@/Citibank', 'Transaction_Amount': '6,677.00', 'Balance': '2,36,804.08'}
{'Date': '07-10-2019', 'Item_Name': 'MOBILE BANKING DUT/CITIBANK', 'Transaction_Amount': '3,403.00', 'Balance': '2,40,207.08'}
{'Date': '07-10-2019', 'Item_Name': 'BIL/INFT/001818195728/82D3/ AJAY KUMAR JHA', 'Transaction_Amount': '6,080.00', 'Balance': '2,46,287.08'}
{'Date': '08.10.2019', 'Item_Name': 'MOBILE BANKING MMM TiMPS/928115182374/8161 Oct Mte/AMARJEET SIHDFC', 'Transaction_Amount': '4,411.00', 'Balance': '250,698.08'}
{'Date': '08-10-2019', 'Item_Name': 'BIL/INFT/001818636132/E3 BIk1 Pramod/ PRAMOD KUMAR P', 'Transaction_Amount': '6,599.00', 'Balance': '2,57,297.08'}

内容的提问来源于stack exchange，提问作者Subhojyoti Lahiri