如何优化Python正则表达式，提取nnnxnnn格式及后续e开头/纯数字分段

你可以使用以下优化后的正则表达式实现需求：

r'\d{1,3}x\d{1,3}(?:[-._]e?\d+)+'

正则规则说明 #

• \d{1,3}x\d{1,3}：严格匹配你要求的开头nnnxnnn格式，限制数字最多3位，确保x必然存在
• (?:[-._]e?\d+)+：非捕获组匹配后续内容
  • 分隔符支持你示例中出现的-/./_三种
  • e?\d+匹配可选开头的字母e加数字，同时覆盖e02、03两类你需要提取的子串
  • 结尾的+适配长度可变的场景，支持1个到多个后续片段

如果你需要匹配单独出现的nnnxnnn片段（比如示例中的3x02），只需要把正则末尾的+替换为*即可：r'\d{1,3}x\d{1,3}(?:[-._]e?\d+)*'，单独的格式串也会被正常匹配提取。

使用示例（Python环境） #

由于Python标准库的re模块不会保留重复捕获组的所有匹配结果，推荐先匹配完整的符合规则的串，再按分隔符拆分提取所有子串：

import re

# 如需匹配单独的nnnxnnn片段，把末尾+换成*即可
pattern = re.compile(r'\d{1,3}x\d{1,3}(?:[-._]e?\d+)+')
test_cases = [
    "alphanumeric 1x01-e02-03-04",
    "hello-char 2x01-02-03_04",
    "hello 3x02 char 2x01-02-03_04",
    "alphanumeric 1x01-e02"
]

for case in test_cases:
    for full_match in pattern.findall(case):
        segments = re.split(r'[-._]', full_match)
        print(f"原串：{case}\n提取结果：{segments}\n")

输出结果 #

原串：alphanumeric 1x01-e02-03-04
提取结果：['1x01', 'e02', '03', '04']

原串：hello-char 2x01-02-03_04
提取结果：['2x01', '02', '03', '04']

原串：hello 3x02 char 2x01-02-03_04
提取结果：['2x01', '02', '03', '04']

原串：alphanumeric 1x01-e02
提取结果：['1x01', 'e02']

完全覆盖你列出的所有提取需求。

内容的提问来源于stack exchange，提问作者user14857172