如何找到k个连续数字后截断字符串？高效提取文件名4位数字前内容

让我来帮你解决这两个字符串处理的问题，直接上实用高效的方案：

对于这个需求，正则表达式是最简洁高效的选择，它能精准定位第一个k位连续数字的位置，快速完成截断操作。

举个实际例子：假设k=4，我们要保留字符串中第一个4位数字出现前的内容，截断后面的部分：

import re

def truncate_after_k_digits(s, k):
    # 匹配第一个k位连续数字的起始位置
    match = re.search(r'\d{' + str(k) + '}', s)
    if match:
        return s[:match.start()]
    # 没找到k位数字时返回原字符串
    return s

# 测试用例
test_str = "project_v2_202406_data_56789"
print(truncate_after_k_digits(test_str, 4))  # 输出: project_v2_2024

如果你的需求是截断到k位数字的末尾（比如上面例子要得到project_v2_202406_data_5678），只需要把返回值改成s[:match.end()]即可。

你的原代码确实有点繁琐，既要分割字符串又要循环判断数字范围，效率和可读性都有优化空间。这里推荐两种更优的方案：

方案1：正则表达式（最推荐） #

直接用正则匹配文件名的结构，一次性提取目标内容，代码简洁且高效：

import re

file_list = ["invoice.1234.pdf", "receipt_2023.5678.txt", "document.987.docx"]
# 匹配任意字符（非贪婪模式），直到遇到".4位数字."的结构
pattern = re.compile(r'(.*?)\.\d{4}\.')
names = [pattern.match(file).group(1) for file in file_list if pattern.match(file)]

print(names)  # 输出: ['invoice', 'receipt_2023']

为什么这个方案更好？ #

• 无需循环分割后的每个元素，一次正则匹配就能定位目标内容
• 用\d{4}精准匹配4位数字，省去了转整数判断范围的开销
• 列表推导式替代多层循环，代码更简洁，执行效率更高

方案2：优化版字符串分割（如果不想用正则） #

如果对正则不太熟悉，也可以优化原有的分割逻辑，减少不必要的操作：

file_list = ["invoice.1234.pdf", "receipt_2023.5678.txt", "document.987.docx"]
names = []
for file in file_list:
    parts = file.split('.')
    for idx, part in enumerate(parts):
        # 直接判断长度为4且是数字，比转整数判断范围更快
        if len(part) == 4 and part.isdigit():
            names.append('.'.join(parts[:idx]))
            break

print(names)  # 输出: ['invoice', 'receipt_2023']

这个优化点在于用len(part) ==4替代了int(word)>999 and int(word)<10000，避免了字符串转整数的额外开销，效率比原代码提升不少。

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