如何用Python re模块匹配拆分ICD编码格式字符串为指定列表

你之前的写法问题出在使用了贪婪匹配，且没有明确匹配终止边界，导致会一直匹配到字符串末尾，无法自动在下一个编码开始前截断。

匹配逻辑说明 #

结合你给出的编码规则和分隔规则，我们使用「非贪婪匹配+正向预查」实现边界识别：

• 先精准匹配编码格式：大写字母开头，包含1个小数点的数字，末尾可选小写字母
• 非贪婪匹配编码后的描述内容
• 通过正向预查判断终止位置：要么遇到下一个编码前的, 分隔符，要么到字符串末尾

完整实现代码 #

import re

string = 'M43.16: Spondylolisthesis, lumbar region, ' \
    'M51.27: Other intervertebral disc displacement, lumbosacral region, ' \
    'M54.17: Radiculopathy, lumbosacral region'

result = re.findall(r'[A-Z]\d+\.\d+[a-z]?:.*?(?=, [A-Z]\d+\.\d+|$)', string)
print(result)

输出结果 #

['M43.16: Spondylolisthesis, lumbar region', 'M51.27: Other intervertebral disc displacement, lumbosacral region', 'M54.17: Radiculopathy, lumbosacral region']

正则各部分解释 #

• [A-Z]：匹配编码开头的大写字母
• \d+\.\d+：匹配编码中带1个小数点的数字部分
• [a-z]?：匹配编码末尾可选的小写字母
• :：匹配编码后的固定冒号分隔符
• .*?：非贪婪匹配后续描述内容，避免跨条目匹配
• (?=, [A-Z]\d+\.\d+|$)：正向零宽预查，匹配到下一个编码前的, 分隔符或者字符串末尾时停止，不会消耗分隔符内容

可选调整：如果你的编码规则允许开头有多个大写字母（比如AB12.34c格式），可将正则开头的[A-Z]调整为[A-Z]+即可适配。

内容的提问来源于stack exchange，提问作者Dr.Prime