如何修正正则表达式以提取指定商品文本前的数字？

原代码问题分析 #

你当前的代码逻辑完全错误：用([0-9]+)拼接fruit_words列表，会生成类似Appels([0-9]+)Bananas([0-9]+)Oranges的正则表达式，这是在匹配水果词之间的数字，而非你需要的水果词前方的数字，所以返回空列表是必然的。

修正后的代码实现 #

核心思路 #

构建正则表达式，匹配「数字 + 空格 + 任意一个水果词」的组合，捕获其中的数字部分。为避免水果词含特殊正则字符（比如.、*）导致匹配失败，建议对每个水果词做转义处理。

代码示例 #

import re

# 示例数据
verdi = "222 Appels Royal Gala 13kg 60/65 Generica PL Klasse I\n33 Bananas Cavendish 10kg"
fruit_words = ["Appels", "Bananas"]

# 构建正则模式：转义每个水果词，用|分隔表示可选，匹配数字+空格+水果词的组合
pattern = r'(\d+)\s+(?:' + '|'.join(re.escape(word) for word in fruit_words) + ')'
number_found = re.findall(pattern, verdi)

print(number_found)  # 输出：['222', '33']

模式说明 #

• (\d+)：捕获一个或多个数字（这就是你要的目标值）
• \s+：匹配一个或多个空格（数字和商品词之间的分隔）
• (?:...)：非捕获组，用来包裹所有可选的水果词，避免额外捕获无关内容
• |.join(...)：将水果列表转成「词1|词2|词3」的形式，表示匹配任意一个水果词

补充说明 #

如果你的发票文本中数字和商品词之间可能存在其他空白字符（比如制表符），可以把\s+换成\s*（匹配0或多个空白），或者[\s\t]+（匹配空格或制表符）。

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