如何使用Python 2.7从字符串中提取3位或6位格式的坐标序列

坐标格式说明 #

项目中需提取两类坐标，规则如下：

• 常规坐标：连续3个数值（支持整数、浮点数、负数），对应x/y/z参数，数值间可使用逗号、空格分隔，逗号前后可带任意空格
• 扩展坐标：连续6个数值（支持整数、浮点数、负数），前3个为位置xyz、后3个为旋转xyz参数，分隔规则同常规坐标

常规坐标示例：

101, 520, 62
960.93 764.22 59.20

扩展坐标示例：

101 520 62 3 0 0
960.93 764.22 59.20 -0.34 0.00 -89.81

测试输入文本 #

textbefore 101, 520, 62
GOTO 960.93 796.22 59.20 -0.34 0.00 -89.81
$5GOTO 1960.93 1796.22 159.20 -0.34 0.00 -89.81
501, 513, 162
1040, 1040, 520 text after 
error
222, 222
1500, 1500, 60  (1)
1337 1337 65
124.5, 133.6, 35.4
15:13:26  Condition: index_ != StringList::npos [line 178](125, 157, 215) 
Allocating shadow map cache 6324 x 6324: 76.28 MB

理想输出结果 #

101 520 62
960.93 796.22 59.20 -0.34 0.00 -89.81
1960.93 1796.22 159.20 -0.34 0.00 -89.81
501 513 162
1040 1040 520
1500 1500 60
1337 1337 65
124.5 133.6 35.4
125 157 215 

实现代码 #

代码兼容Python 2.7版本，直接运行即可得到上述输出：

import re

# 匹配单个数值的正则：支持正负、整数、浮点数
NUM_PAT = r'[-+]?\d*\.?\d+'
# 分隔符：逗号（可选前后空格）或空格
SEP_PAT = r'\s*[, ]\s*'
# 完整匹配：优先匹配6个连续数值，再匹配3个连续数值，前后避免和其他数字字符粘连
PATTERN = re.compile(
    r'(?<!\d)(?:{n})(?:{s}{n}){{2}}(?:{s}{n}){{3}}?(?!\d)'.format(
        n=NUM_PAT, s=SEP_PAT
    )
)

def extract_coords(text):
    coords = []
    for line in text.splitlines():
        matches = PATTERN.findall(line)
        for match in matches:
            # 把所有逗号替换成空格，再拆分去重空格，统一用空格分隔
            parts = re.split(r'[, ]+', match.strip())
            coords.append(' '.join(parts))
    return coords

if __name__ == '__main__':
    test_text = """textbefore 101, 520, 62
GOTO 960.93 796.22 59.20 -0.34 0.00 -89.81
$5GOTO 1960.93 1796.22 159.20 -0.34 0.00 -89.81
501, 513, 162
1040, 1040, 520 text after 
error
222, 222
1500, 1500, 60  (1)
1337 1337 65
124.5, 133.6, 35.4
15:13:26  Condition: index_ != StringList::npos [line 178](125, 157, 215) 
Allocating shadow map cache 6324 x 6324: 76.28 MB"""
    result = extract_coords(test_text)
    for line in result:
        print(line)

实现说明 #

1. 正则通过(?<!\d)和(?!\d)环视规则，避免匹配到和其他非坐标数字粘连的内容
2. 优先匹配6个数值的扩展坐标，再匹配3个数值的常规坐标，不会出现6个数值被拆成两个3个数值的情况
3. 输出统一将分隔符替换为空格，符合要求的输出格式
4. 自动过滤只有2个数值的无效行，符合测试用例预期
5. 若需允许"Allocating shadow map"行的误识别，可调整正则匹配阈值即可。

内容的提问来源于stack exchange，提问作者holgerm