如何用Python正则表达式提取软件版本并排序

1. 为啥你之前的正则没用？ #

你写的r'[0-9, ]'是字符类匹配，它只会匹配单个数字、逗号或者空格，自然只能拿到第一个符合条件的字符"2"，完全达不到提取完整版本号的目的。

2. 正确的正则怎么写？ #

我们要匹配的版本号是：以数字开头，后面可能跟着字母加数字（比如2022r2），而且是被逗号（可能带前后空格）分隔的独立项。合适的正则是：

\b\d+(?:[a-zA-Z]\d+)?\b

• \b：单词边界，确保我们抓的是独立的版本项，不会把路径里path_2021中的2021误提出来
• \d+：匹配一个或多个数字（版本的年份核心部分）
• (?:[a-zA-Z]\d+)?：非捕获组，可选匹配字母加数字（比如r2），?表示这部分可有可无

3. 完整提取+排序代码（Python） #

直接上可运行的代码，处理你的输入字符串：

import re

input_str = "2018, \\some\\directory\\is\\here, \\some\\directory\\is\\here,  2019, \\here\\is\\another\\directory, \\here\\is\\another\\directory,  2021, \\here\\is\\another\\path_2021,   2020, http://some.will/even/look/like/this,   2022r2,   2023"

# 提取所有符合规则的版本号
versions = re.findall(r'\b\d+(?:[a-zA-Z]\d+)?\b', input_str)

# 自定义排序规则：先按数字部分排序，再处理后缀
def version_sort_key(ver):
    # 拆分数字主体和后缀
    num_part = re.match(r'\d+', ver).group()
    suffix = ver[len(num_part):]
    return (int(num_part), suffix)

# 排序并输出
sorted_versions = sorted(versions, key=version_sort_key)
print(', '.join(sorted_versions))

运行后输出就是你要的：2018, 2019, 2020, 2021, 2022r2, 2023

4. 额外说明 #

• \b是关键，能避免误抓路径、网址里嵌入的数字（比如path_2021里的2021不会被提取）
• 自定义排序键保证了像2022r2这种带后缀的版本能排在正确的位置
• 如果你的版本后缀有更复杂的格式（比如2022sp3），只需要微调正则和排序规则，核心思路还是拆分数字主体和后缀部分

内容的提问来源于stack exchange，提问作者Acuity