Python正则拆分多分隔符字母数字字符串提取指定子串

不要用re.split处理这类固定结构的字段提取——split的捕获组会把所有匹配到的分隔片段、未匹配的空组全部塞进返回列表，很容易产生冗余值，直接写匹配规则抓目标捕获组逻辑更简单，结果也干净。

可直接运行的代码 #

import re

s = '52798687KF_12712320CP.txt'
# 正则按规则匹配四个目标字段
reg = r'^(\d+)([A-Za-z]{2})_([A-Za-z0-9]+)([A-Za-z]{2})\.[^.]+$'
res = list(re.match(reg, s).groups())
print(res)

运行输出：

['52798687', 'KF', '12712320', 'CP']

正则规则对应说明 #

正则每个部分严格匹配给出的提取要求：

• ^：锚定字符串开头，避免匹配到文件名中间的无关片段
• (\d+)：第一个捕获组，匹配1位及以上连续数字，对应第一个待提取元素
• ([A-Za-z]{2})：第二个捕获组，匹配第一串数字和下划线之间的2个字母，对应第二个待提取元素
• _：匹配文件名里的固定下划线分隔符
• ([A-Za-z0-9]+)：第三个捕获组，匹配1位及以上连续字母/数字，对应第三个待提取元素
• ([A-Za-z]{2})：第四个捕获组，匹配扩展名点号前的2个字母，对应第四个待提取元素
• \.[^.]+$：匹配末尾的文件扩展名（点号+后缀直到字符串结尾），这部分不放入捕获组，不会出现在结果里

如果后续文件名的数字长度、字母内容发生变化，只要整体结构保持「数字串+2字母_字母数字串+2字母.后缀」的规则，这段代码都能正常提取。

内容的提问来源于stack exchange，提问作者Genik