如何使用正则表达式提取数字加空格后跟随的单位字符串

问题描述 #

待处理原始字符串如下：

[1] weight | width | depth | 5.0 kg | 6.0 mm^3 | 10.12 cm^2

提取要求：仅匹配字符串中的计量单位，排除weight/width/depth这类非单位字段，预期输出结果：

unit=kg
unit=mm^3
unit=cm^2

此前尝试的正则存在误匹配问题：

• 使用(?<unit>[^ -+0-9\\.\|\[\}\]]+)时，会把无前置数值的普通英文字段一并捕获
• 使用(?<unit>[\D][^|]+)时，匹配结果会携带多余分隔符、无法精准定位单位
  核心匹配逻辑判断：仅匹配紧跟「数值+空格」之后的字段，即可过滤所有非单位内容。

可行正则方案 #

使用以下带命名捕获组的正则即可精准匹配目标单位：

\d+\.?\d*\s+(?<unit>[^|\s]+)

正则逻辑说明 #

• \d+\.?\d*：覆盖所有整数、带小数位的数值格式，比如5/5.0/10.12均可匹配
• \s+：匹配数值与单位之间的间隔空格，从规则层面直接过滤掉所有没有前置数值的普通字段（比如前面的weight、width、depth）
• (?<unit>[^|\s]+)：命名为unit的捕获组，匹配到竖线分隔符或空格就终止，刚好拿到完整的单位字符串，不会携带多余的分隔符或空格

代码示例（Python） #

import re

raw_str = "[1] weight | width | depth | 5.0 kg | 6.0 mm^3 | 10.12 cm^2"
match_iter = re.finditer(r"\d+\.?\d*\s+(?<unit>[^|\s]+)", raw_str)
for item in match_iter:
    print(f"unit={item.group('unit')}")

运行后输出完全符合预期：

unit=kg
unit=mm^3
unit=cm^2

如果使用的编程环境不支持正则命名捕获组，去掉命名部分即可，正则调整为\d+\.?\d*\s+([^|\s]+)，取每次匹配结果的第一个捕获组值就是目标单位。

内容的提问来源于stack exchange，提问作者Aneesh Narayanan