嘿，这个问题我之前处理实验室仪器输出的非结构化数据时也碰到过！咱们一步步来拆解解决它，核心思路是先定位数据块的边界，再用正则精准匹配符合格式的行。

先明确数据结构（模拟你的场景） #

假设你的原始数据长这样（方便对应代码逻辑）：

1.1 2.2 3.3
4.4 5.5
6.6 7.7 8.8
9.9 10.10 11.11 12.12
MEAS_END
其他无关的杂乱内容

其中第一块是固定3列的数值行，第二块是2-4列的数值行，直到出现含字母的行（比如MEAS_END）就停止。

具体实现步骤&代码 #

1. 读取原始数据

先把软件输出的数据读进来，这里用多行字符串模拟从文件读取的场景：

import re

# 模拟原始数据（实际可以用open()读取文件内容）
raw_data = """
1.1 2.2 3.3
4.4 5.5
6.6 7.7 8.8
9.9 10.10 11.11 12.12
MEAS_END
其他杂乱内容...
"""

# 先把数据按行拆分，去掉空行和首尾空格
lines = [line.strip() for line in raw_data.split("\n") if line.strip()]

2. 提取第一块（固定3列）

用正则精准匹配每行是3个数值的行，直接提取并转成数值列表：

# 匹配3列数值的正则（支持正负号、小数）
first_block_pattern = re.compile(r'^-?\d+(\.\d+)? -?\d+(\.\d+)? -?\d+(\.\d+)?$')

first_block_data = []
for line in lines:
    if first_block_pattern.match(line):
        # 拆分并转成float类型
        first_block_data.append(list(map(float, line.split())))
    else:
        # 第一块结束，跳出循环
        break

3. 提取第二块（2-4列，遇到字母停止）

从第一块结束的位置开始，遍历后续行：先判断是否出现字母（结束标志），没出现的话再检查是否是2-4列的数值行：

second_block_data = []
# 匹配2-4列数值的正则
second_line_pattern = re.compile(r'^-?\d+(\.\d+)?( -?\d+(\.\d+)?){1,3}$')

# 从第一块结束的下一行开始遍历
for line in lines[len(first_block_data):]:
    # 检查是否包含字母，是的话停止收集
    if re.search(r'[a-zA-Z]', line):
        break
    # 检查是否符合2-4列数值格式，符合就加入列表
    if second_line_pattern.match(line):
        second_block_data.append(list(map(float, line.split())))

4. 输出结果

运行后你会得到两个规整的列表：

print("第一块数据：", first_block_data)
print("第二块数据：", second_block_data)

输出示例：

第一块数据： [[1.1, 2.2, 3.3]]
第二块数据： [[4.4, 5.5], [6.6, 7.7, 8.8], [9.9, 10.1, 11.11, 12.12]]

一些细节优化 #

• 如果你的数值可能有科学计数法（比如1e-5），把正则里的\d+(\.\d+)?改成\d+(\.\d+)?([eE][+-]?\d+)?即可。
• 如果结束标志是特定关键词（比如END），可以直接用if line == "END"代替正则匹配字母，更精准。
• 如果第一块有多行（比如连续几行都是3列），上面的代码也能自动处理，直到遇到非3列的行才停止。

内容的提问来源于stack exchange，提问作者HCSthe2nd