Python正则提取水果数量遇空值报错，如何优化匹配逻辑？

1. 问题根源 #

• 原正则未限制数字部分的长度，导致捕获到空字符串，转int时触发报错
• 匹配逻辑边界模糊，误捕获了非目标内容（比如无数量的Rettich）

2. 正则表达式优化 #

核心调整方向 #

• 强制数字部分为至少1位有效数字，彻底避免空匹配
• 限定水果名称的字符范围，减少无效匹配
• 用分组明确区分数量与水果名称

优化后的正则示例 #

假设文本格式为「数字 + 空格 + 水果名」（支持德语变音符号）：

import re

# 仅匹配带有效数字的条目
pattern = r'(\d+)\s+([A-Za-zäöüÄÖÜ]+)'

• \d+：匹配1个及以上数字，确保不会捕获空字符串
• \s+：匹配1个及以上空白字符，兼容多空格分隔的情况
• [A-Za-zäöüÄÖÜ]+：限定水果名的字符范围，过滤非目标词汇

3. 代码逻辑加固 #

增加过滤与兜底处理 #

结合正则优化，再通过代码层过滤无效项、添加异常兜底：

def extract_fruit_quantity(text):
    pattern = r'(\d+)\s+([A-Za-zäöüÄÖÜ]+)'
    matches = re.findall(pattern, text)
    result = {}
    # 定义目标水果白名单，直接过滤非目标项
    valid_fruits = {'Äpfel', 'Bananen', 'Kirschen', 'Erdbeeren'}
    
    for num_str, fruit in matches:
        try:
            quantity = int(num_str)
            if fruit in valid_fruits:
                # 处理重复水果的情况，比如多次出现取总和
                result[fruit] = result.get(fruit, 0) + quantity
        except ValueError:
            # 极端情况兜底，理论上正则已保证num_str是有效数字
            continue
    return result

兼容特殊格式场景 #

如果文本存在数量在后、带单位（如kg）的情况，可调整正则兼容：

# 兼容「数字+单位+水果」或「水果+数字」格式
pattern = r'(?:(\d+)\s*(?:kg|g)?\s+([A-Za-zäöüÄÖÜ]+)|([A-Za-zäöüÄÖÜ]+)\s+(\d+))'

对应代码处理逻辑：

for match in re.finditer(pattern, text):
    num_str = match.group(1) or match.group(4)
    fruit = match.group(2) or match.group(3)
    if num_str and fruit and fruit in valid_fruits:
        result[fruit] = result.get(fruit, 0) + int(num_str)

4. 测试验证 #

用包含异常的测试文本验证：

测试文本：3 Äpfel, 5 Bananen, Rettich, Kirschen, 7 Erdbeeren
执行函数后返回：{'Äpfel': 3, 'Bananen': 5, 'Erdbeeren': 7}，自动跳过无数量的Rettich和无有效数字的Kirschen

内容的提问来源于stack exchange，提问作者mightycode Newton