Python3.8如何简洁解析数字开头、下一个数字前空格结尾的字符串为元组列表

可直接运行的代码 #

import re

raw_str = '1-New Bathroom 2-New Kitchen 3-New Garden 4-Caribbean Holiday'
# 核心匹配逻辑
res = [(int(num), desc.strip()) for num, desc in re.findall(r'(\d+)-([^\d]+)', raw_str)]
print(res)

运行后输出的结果和要求的格式完全一致：

[(1, 'New Bathroom'), (2, 'New Kitchen'), (3, 'New Garden'), (4, 'Caribbean Holiday')]

优化逻辑说明 #

原有正则的问题 #

你原来的写法存在几个明显缺陷：

• 开头的^锚点只能匹配整个字符串的起始位置，完全无法捕获第2、3、4条的内容
• [aA-zZ]是错误写法，ASCII编码中A到z之间包含[、\、]、^、_、```等非字母字符，匹配范围不符合预期
• {1}属于完全冗余的量词，正则默认匹配次数就是1次
• 仅设置了一个捕获组，只能拿到编号，拿不到后面的描述内容，需要二次处理

优化后正则的匹配逻辑 #

我们用re.findall直接批量提取所有符合规则的分组，无需额外遍历：

• (\d+)：第一个捕获组，匹配1个及以上的数字，对应条目编号，写法比原来的[0-9]{1,2}更简洁，同时支持超过2位的大编号
• -：匹配条目中的连接短横线
• ([^\d]+)：第二个捕获组，匹配所有非数字字符，直接拿到完整的条目描述，因为下一个数字天然就是下一个条目的起始，自动分割不同条目
• 最后通过列表推导式把编号转int类型，同时给描述内容做去首尾空格处理，直接生成目标格式的元组列表

扩展适配方案（支持描述内容带数字的场景） #

如果后续你的条目描述里可能出现数字，用下面的普适性更强的正则即可，核心是通过正向预查判断条目边界：

res = [(int(num), desc.strip()) for num, desc in re.findall(r'(\d+)-(.*?)(?=\s*\d+-|$)', raw_str)]

(?=\s*\d+-|$)是零宽正向预查，判定当前内容的边界是「下一个条目的起始（空格+数字+短横线）」或者「字符串结尾」，不会误吞描述里的数字内容。

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