Python从含多字符串元素的数组中提取千位数值的方法

现有包含4个字符串元素的数组my_array，每个字符串混合了资产编号、日期、多类余额数值、规则标识、审批状态等文本、数字内容，需要从每个字符串中单独提取千位量级的数值，最终输出由所有提取结果组成的列表。

示例输入 #

my_array = ['STK72184 4/28/2022 50 from Exchange Balance, 50 from Earning Balance & 10 from Bonus 5000 Regular 10/20/2023 Approved 4/28/2022',
            'STK725721 4/27/2022 50 from Exchange Balance, 40 from Earning Balance & 10 from Bonus Balance 5000 Regular 10/19/2023 Approved 4/27/2022',
            'STK725721 4/27/2022 50 from Exchange Balance, 40 from Earning Balance & 10 from Bonus Balance 15000 Regular 10/19/2023 Approved 4/27/2022',
            'STK722222 4/26/2022 50 from Exchange Balance, 40 from Earning Balance & 10 from Bonus Balance 10000 Regular 10/18/2023 Approved 4/26/2022']

预期输出 #

['5000', '5000', '15000', '10000']

观察字符串规律可以发现，所有需要提取的千位量级数值都满足两个特征：长度≥4位、后面紧跟 Regular标识，用正则表达式可以直接精准匹配，不会误提取几十的小额余额、斜杠分隔的日期数字。

完整实现代码：

import re

res = []
# 编译正则：匹配4位及以上数字，且后面紧跟空格+Regular
match_pattern = re.compile(r'(\d{4,}) Regular')
for single_str in my_array:
    target_num = match_pattern.search(single_str).group(1)
    res.append(target_num)

print(res)

代码逻辑说明：

• 正则规则\d{4,}直接过滤掉长度小于4的数字，天然排除50、40、10这类非千位数值
• 追加 Regular的位置限定，避免后续如果字符串里出现其他长数字时产生误匹配
• 逐行遍历数组提取匹配结果，运行后输出和预期完全一致

内容的提问来源于stack exchange，提问作者Rishi Pandey