如何修正正则表达式，精准提取oz、ml单位前的对应数值？

修正方案 #

你原来的正则使用了贪婪匹配符.*，会从第一个出现的数字一直匹配到目标单位，导致中间无关内容被包含在内。直接分组捕获单位前紧邻的数值和对应单位即可解决问题：

1. 修正后正则为：r"(\d+\.?\d*)\s*(oz|ml)"
   • (\d+\.?\d*)：捕获整数/小数格式的数值
   • \s*：兼容数值和单位之间存在空格的场景
   • (oz|ml)：匹配你指定的目标单位
2. 把捕获到的数值和单位用空格拼接，即可得到符合要求的输出

完整可运行代码 #

import re
import pandas as pd
look_ahead = "oz|ml"

s = pd.Series(['Bla bla 0.75 oz. Bottle',
              'Mugs, 8oz. White',
              'Bowls, 4.4" dia x 2.5", 12ml. Natural',
              'Ala bala 3.3" 30ml Bottle'])
size_and_units = s.str.findall(rf"(\d+\.?\d*)\s*({look_ahead})").str.join(" ")
print(size_and_units)

运行输出 #

0    0.75 oz
1       8 oz
2      12 ml
3      30 ml
dtype: object

内容的提问来源于stack exchange，提问作者hsnsd