如何在Python中从大字符串提取<=左右两侧的所有值

我来帮你搞定这个需求！要从这类Graphviz风格的决策树字符串里提取所有<=左右的内容，正则表达式是最直接高效的方式，下面是具体的实现方案：

解决思路 #

我们需要精准匹配的模式是：

• 左侧：类似X[2]、X[0]的特征标识，格式为「字母+[数字]」
• 中间：可能带空格的<=符号
• 右侧：整数或带小数点的数值

对应的正则表达式可以写成：(\w+\[\d+\])\s*<=\s*([\d.]+)

各部分的作用拆解：

• (\w+\[\d+\])：专门捕获左侧的特征名，\w+匹配字母/下划线，\[\d+\]匹配[数字]的固定格式
• \s*：匹配0个或多个空格，用来兼容<=前后可能存在的空格
• <=\s*：匹配<=符号和它后面的空格
• ([\d.]+)：捕获右侧的数值，\d+匹配数字，\.匹配小数点，+表示至少出现一次

Python代码示例 #

import re

# 你的示例字符串
input_str = '''node [shape=box] ;
0 [label="X[2] <= 17055.5\ngini = 0.0454\nsamples = 43\nvalue = [42, 1]"] ;
1 [label="gini = 0.0\nsamples = 1\nvalue = [0, 1]"] ;
0 -> 1 [labeldistance=2.5, labelangle=45, headlabel="True"] ;
2 [label="gini = 0.0\nsamples = 42\nvalue = [42, 0]"] ;
0 -> 2 [labeldistance=2.5, labelangle=-45, headlabel="False"] [label]="X[0] <= 5.41" ;'''

# 执行正则匹配
pattern = r'(\w+\[\d+\])\s*<=\s*([\d.]+)'
matches = re.findall(pattern, input_str)

# 整理成你需要的分组结果
left_values = [match[0] for match in matches]
right_values = [match[1] for match in matches]

print("左侧值：", left_values)
print("右侧值：", right_values)

运行结果 #

执行代码后会输出你想要的内容：

左侧值： ['X[2]', 'X[0]']
右侧值： ['17055.5', '5.41']

扩展说明 #

如果你的字符串里还有其他格式的左侧内容（比如不带括号的变量名），可以调整正则表达式。比如如果左侧是任意非空白字符直到<=，可以把左侧捕获组改成([^\s"]+)（加上"是为了排除引号干扰），根据实际场景微调就能适配更多情况。

内容的提问来源于stack exchange，提问作者Ara