Python正则finditer组合模式实现整组连续数值匹配

问题背景 #

需要从如下测试文本中提取目标内容：

text= """cakes 10 are good.
cakes 10c are good.
cakes 20 21 22 are good.
cakes 30, 31, 32 are good.
cakes 40a, 40b, 40c are good."""

提取要求：

• 提取文本中所有数值类内容（如10、10c、40a这类带可选字母后缀的数字）
• 同组连续的数值（用空格/逗号加空格分隔）要作为单个匹配整体返回
• 必须使用re.finditer()方法，同时获取每个匹配结果的span位置信息
• 正则规则采用拆分组合的方式编写，将数值匹配、分隔符匹配逻辑拆分，方便后续阅读修改

原有问题代码运行后会将每个数值单独拆分，无法返回整组结果，预期匹配结果如下：

10
10c
20 21 22
30, 31, 32
40a, 40b, 40c

问题原因 #

原有正则存在3个核心问题：

• 分隔符规则只覆盖了逗号分隔场景，没有匹配纯空格分隔的情况，无法正确识别空格连接的连续数值
• 整组匹配逻辑采用「数值+可选分隔符」的重复结构，宽松的可选匹配导致匹配到单个数值后就终止，无法向后匹配连续的同组内容
• re.VERBOSE模式下正则字符串内的无意义换行会被忽略，原分段写的数值规则存在被解析错误的风险，多余的捕获组也会干扰匹配逻辑

修复后代码 #

保留规则拆分的编写方式，调整匹配逻辑即可：

import re

text = """cakes 10 are good.
cakes 10c are good.
cakes 20 21 22 are good.
cakes 30, 31, 32 are good.
cakes 40a, 40b, 40c are good."""

# 1. 单个数值匹配规则：1-4位数字，后面可选接.或-连接的单个字母（支持直接接字母）
numerical = r"[0-9]{1,4}(?:[.\-]?[A-Za-z])?"
# 2. 组内分隔符规则：支持两种分隔格式：逗号+可选空格、单个空格
separator = r"(?:,\s?|\s)"
# 3. 整组匹配规则：单个数值开头，后面接0次或多次「分隔符+数值」结构，保证同组连续
pattern = fr"""
(
    {numerical}
    (?:{separator}{numerical})*
)
"""

refs = re.finditer(pattern, text, re.VERBOSE)
for element in refs:
    print(element.group())
    # 如需位置信息直接取element.span()即可

运行后输出和预期完全一致，同时可以正常获取每个匹配结果的span位置，各部分规则独立拆分，后续修改数值格式、分隔符格式只需要调整对应变量即可。

内容的提问来源于stack exchange，提问作者JFerro