Python提取文本中am/pm前数字的代码问题排查与修正

• 提取规则：仅提取文本中am/pm标识前紧邻的数字，无pm时仅提取am前的数字
• 异常表现：测试输入["who done this on 23 october to 26th october from 2 am to 10am"]时，现有代码输出为[23, 2]，错误提取了日期中的数字23，漏提取了10am前的数字10，不符合预期输出[2, 10]

原有错误代码如下：

para = ["who done this on 23 october to 26th october from 2 am to 10am"]

def time_ext(para):
    vals = []
    samp_str = ''
    for i in t:
        if i.isnumeric() == True:
            samp_str = samp_str+i
        else:
            if samp_str == '':
                pass
            else:
                vals.append(samp_str)
                samp_str = ''
    if len(vals) > 0:
        vals = [int(i) for i in vals]
    else:
        pass
    return vals


print(time_ext(para))

1. 基础语法错误：循环遍历用的变量t未定义
2. 核心逻辑缺失：原有逻辑会提取所有独立数字，完全没有校验数字后方是否为am/pm标识，因此日期类无关数字会被误提取
3. 场景兼容不足：没有处理数字与标识直接拼接的情况，遇到10am这类写法时，数字和标识会被识别为连续字符串，无法拆分提取

使用正则匹配可以精准命中符合规则的数字，逻辑简洁兼容性好，修正后代码如下：

import re

def time_ext(para_list):
    result = []
    for text in para_list:
        # 匹配规则：捕获连续数字 + 任意个空白字符 + am/pm（不区分大小写）
        time_nums = re.findall(r'(\d+)\s*(?i:am|pm)', text)
        # 不需要匹配pm时，把上一行正则替换为 r'(\d+)\s*(?i:am)' 即可
        result.extend([int(num) for num in time_nums])
    return result

# 测试运行
para = ["who done this on 23 october to 26th october from 2 am to 10am"]
print(time_ext(para))
# 运行输出：[2, 10]，符合预期

• (\d+)：捕获1位及以上的连续数字，也就是需要提取的时间数值
• \s*：匹配数字和am/pm之间0到多个空白字符，同时兼容2 am（带空格）、10am（不带空格）两种常见写法
• (?i:am|pm)：不区分大小写匹配am或pm标识，确保只有标识前的数字会被捕获，日期等其他位置的无关数字不会被误提取

内容的提问来源于stack exchange，提问作者Raghul