如何用正则表达式从文件中稳定提取多组标签与对应数值？

嘿，我完全懂你现在的头疼之处——自己写的提取函数不稳定，只能抓1-2个值，标签和数值还经常对不上，想用正则又没太多经验对吧？别担心，咱们一步步来解决这个问题。

先理清楚你的需求：从非结构化的文本里，精准匹配特定标签（比如Bit、From、To这类）对应的数值，数值格式还可能包含整数、小数、带空格的分数（比如示例里的4 3/4）。

先分析你的示例场景 #

输入文本：Run Bora Hot Record Casing Record No. From To Sue fr To One 4 3/4 4569 TD 5.5 15 .5 Surface 4569
预期提取：Bit: 4 3/4, From: 4569, TD:5.5, Surface:4569...

解决方案：用正则实现稳定的标签-数值匹配 #

核心思路是先定位目标标签，再精准捕获它后面的数值。这里给你一个可直接复用的Python函数示例，你可以根据实际需求调整标签和数值规则：

import re

def extract_tag_values(text):
    # 定义要提取的标签及对应的正则匹配规则
    # 你可以根据实际文本的标签/数值格式，随时添加或修改规则
    tag_rules = {
        'Bit': r'To One\s+(\d+\s+\d+/\d+)',  # 匹配"To One"后的带空格分数（如4 3/4）
        'From': r'From\s+(\d+)',             # 匹配"From"后的整数
        'TD': r'TD\s+(\d+\.\d+)',            # 匹配"TD"后的小数
        'Surface': r'Surface\s+(\d+)',       # 匹配"Surface"后的整数
        # 示例：如果需要匹配To的数值，可添加类似规则：
        # 'To': r'To\s+(\d+\.?\d*)'
    }
    
    extracted_result = {}
    for tag, pattern in tag_rules.items():
        # 查找第一个匹配的内容，如需多匹配可改用re.findall
        match = re.search(pattern, text)
        if match:
            # 去除数值前后可能的多余空格
            extracted_result[tag] = match.group(1).strip()
    
    return extracted_result

# 测试你的示例文本
sample_text = "Run Bora Hot Record Casing Record No. From To Sue fr To One 4 3/4 4569 TD 5.5 15 .5 Surface 4569"
result = extract_tag_values(sample_text)

# 打印提取结果
for tag, value in result.items():
    print(f"{tag}: {value}")

关键调整说明 #

1. 数值格式适配：如果你的数值有更多变体（比如不带空格的分数、负数、多位小数），可以修改正则的捕获组。比如把分数匹配规则改成(\d+\s*\d+/\d+)，就能兼容带/不带空格的分数格式。
2. 标签大小写兼容：如果文本里标签有大小写变体（比如"FROM"或"from"），可以在re.search里加上忽略大小写的标志：re.search(pattern, text, re.IGNORECASE)。
3. 多匹配场景：如果同一个标签出现多次需要提取所有数值，把re.search换成re.findall，并将结果存为列表即可。

这样调整后，你的提取函数就能稳定捕获多个标签对应的数值，不会再出现匹配不稳定的问题啦。

内容的提问来源于stack exchange，提问作者FanScience