如何将多模式字符串高效拆分至统一格式字段

我有一组遵循以下几种模式的字符串（其中每个no.为不同数值，可能包含科学计数法）：

no.1 <= some text = no.2 <= no.3
some text = no.4
no.5 <= some text = no.6
some text = no.7 <= no.8

这些字符串的共性是包含<=和=符号的组合。我需要将这些字符串拆分，在数值缺失的位置填充None（或np.nan），最终每个字符串生成四个值：一个文本值，三个数值（缺失则为None），示例如下：

no.1 <= some text = no.2 <= no.3
    -> [no.1, some text, no.2, no.3]
some text = no.4
    -> [None, some text, no.4, None]
no.5 <= some text = no.6
    -> [no.5, some text, no.6, None]
some text = no.7 <= no.8
    -> [None, some text, no.7, no.8]

用split()按'<='或'='拆分无法明确模式，当前用大量if-else条件实现但不够优雅：

lines = [
    "0.5 <= First variable = 0.6  <= 1.5", 
    "Second variable = 0.483983", 
    "0.05 <= Third variable = 0.14897", 
    "Fourth variable = 0.1  <= 1"
]

outlines = []
for line in lines:
    out = []
    if '=' in line.split('<=')[0]:
        out.append(None)
        out.append(line.split('<=')[0].split('=')[0])
        out.append(line.split('<=')[0].split('=')[1])
    else:
        out.append(line.split('<=')[0])
        out.append(line.split('<=')[1].split('=')[0])
        out.append(line.split('<=')[1].split('=')[1])
    if '=' in line.split('<=')[-1]:
        out.append(None)
    else:
        out.append(line.split('<=')[-1])
    outlines.append(out)

outlines
# 输出：
# [['0.5 ', ' First variable ', ' 0.6  ', ' 1.5'],
#  [None, 'Second variable ', ' 0.483983', None],
#  ['0.05 ', ' Third variable ', ' 0.14897', None],
#  [None, 'Fourth variable ', ' 0.1  ', ' 1']]

请问有没有更简洁的实现方式？是否使用正则表达式均可？

方法一：正则表达式（精准匹配） #

用正则表达式一次性捕获所有可能的分组，直接对应目标输出的四个位置，缺失的分组自动替换为None，同时可以顺便去除多余空格：

import re

# 定义匹配所有模式的正则表达式
pattern = re.compile(r'^(?:(\S+)\s*<=)?\s*(.+?)\s*=\s*(\S+?)(?:\s*<=(\S+))?$')
lines = [
    "0.5 <= First variable = 0.6  <= 1.5", 
    "Second variable = 0.483983", 
    "0.05 <= Third variable = 0.14897", 
    "Fourth variable = 0.1  <= 1"
]

result = []
for line in lines:
    match = pattern.fullmatch(line)
    # 处理每个捕获组，空值替换为None，同时去除首尾空格
    left_num = match.group(1).strip() if match.group(1) else None
    text = match.group(2).strip()
    mid_num = match.group(3).strip() if match.group(3) else None
    right_num = match.group(4).strip() if match.group(4) else None
    result.append([left_num, text, mid_num, right_num])

print(result)

输出结果：

[['0.5', 'First variable', '0.6', '1.5'],
 [None, 'Second variable', '0.483983', None],
 ['0.05', 'Third variable', '0.14897', None],
 [None, 'Fourth variable', '0.1', '1']]

正则表达式说明：

• ^(?:(\S+)\s*<=)?：匹配开头可选的左数值，(\S+)捕获数值（非空白字符），\s*<=匹配空格和<=，?表示该部分可选
• \s*(.+?)\s*=：非贪婪匹配文本部分，前后\s*忽略多余空格
• \s*(\S+?)：捕获中间数值
• (?:\s*<=(\S+))?$：匹配结尾可选的右数值部分，$确保匹配到行尾

方法二：统一分隔符后拆分（无需正则） #

先把所有<=替换成=，将字符串统一用=拆分，再根据拆分后的部分长度和内容类型填充None：

lines = [
    "0.5 <= First variable = 0.6  <= 1.5", 
    "Second variable = 0.483983", 
    "0.05 <= Third variable = 0.14897", 
    "Fourth variable = 0.1  <= 1"
]

result = []
for line in lines:
    # 替换<=为=，按=拆分后去除空字符串和首尾空格
    parts = [p.strip() for p in line.replace('<=', '=').split('=') if p.strip()]
    # 根据parts长度判断模式并填充结果
    if len(parts) == 2:
        res = [None, parts[0], parts[1], None]
    elif len(parts) == 3:
        # 判断第一个元素是否为数值（简单用float转换验证）
        try:
            float(parts[0])
            res = [parts[0], parts[1], parts[2], None]
        except ValueError:
            res = [None, parts[0], parts[1], parts[2]]
    elif len(parts) == 4:
        res = [parts[0], parts[1], parts[2], parts[3]]
    result.append(res)

print(result)

输出结果和方法一完全一致，这种方法更直观，适合对正则不熟悉的场景。

内容的提问来源于stack exchange，提问作者TY Lim