如何用regular expressions从指定格式记录中提取三类值？

别担心，正则看起来复杂但只要抓准你的格式规律就很容易搞定！你的每条记录格式是**[多词字符串] [整数] x [浮点数] mm**，核心是要把这三个部分精准分隔开，避免把无关字符混进去。

正则表达式设计思路 #

先拆解你的格式规则：

• 第一部分：多词字符串（不含数字，因为整数是第一个出现的数字），直到第一个数字前的内容
• 第二部分：纯整数，后面跟着x（前后可能有空格）
• 第三部分：浮点数（带小数点），最后是mm（前后可能有空格）

基于这个规则，我们可以写出针对性的正则：

^([^\d]+?)\s+(\d+)\s*x\s*(\d+\.\d+)\s*mm$

正则各部分解释 #

• ^：匹配字符串开头，确保从第一条内容开始匹配
• ([^\d]+?)：非贪婪捕获除数字外的所有字符（对应多词字符串），非贪婪模式(+?)避免把后面的空格也包含进去
• \s+：匹配一个或多个空格，分隔字符串和整数
• (\d+)：捕获整数部分（一个或多个数字）
• \s*x\s*：匹配x，允许前后有任意数量的空格（包括0个，兼容3x2.0或3 x 2.0的情况）
• (\d+\.\d+)：捕获浮点数部分（必须带小数点，比如2.0）
• \s*mm$：匹配结尾的mm，允许前后有空格，$确保匹配到字符串结尾

代码示例（以Python为例） #

下面是完整的提取代码，包含匹配、提取和整理成表格的逻辑：

import re

# 定义正则模式
pattern = r'^([^\d]+?)\s+(\d+)\s*x\s*(\d+\.\d+)\s*mm$'

# 你的1000条记录列表（这里用示例数据）
records = [
    "Round 3 x 2.0 mm",
    "Star 12 x 45.0 mm",
    "Oval CAB 5 x 6.0 mm",
    "Square-Round 4 x 3.5 mm"  # 测试含特殊字符的字符串
]

# 提取结果存入列表，方便后续生成表格
extracted_data = []
for idx, record in enumerate(records, 1):
    match = re.match(pattern, record)
    if match:
        # 提取并整理各部分：去除字符串前后空格，转换数据类型
        item = {
            "序号": idx,
            "字符串": match.group(1).strip(),
            "整数": int(match.group(2)),
            "浮点数": float(match.group(3))
        }
        extracted_data.append(item)
    else:
        print(f"⚠️ 第{idx}条记录格式异常，无法匹配：{record}")

# 打印提取后的表格（也可以用pandas导出为Excel/CSV）
print("提取结果表格：")
print(f"{'序号':<4} {'字符串':<15} {'整数':<5} {'浮点数':<6}")
print("-" * 35)
for data in extracted_data:
    print(f"{data['序号']:<4} {data['字符串']:<15} {data['整数']:<5} {data['浮点数']:<6}")

扩展兼容情况 #

如果你的浮点数可能不带小数点（比如5 mm而不是5.0 mm），可以把正则里的浮点数部分改成(\d+(?:\.\d+)?)，这样既可以匹配5也可以匹配5.0：

^([^\d]+?)\s+(\d+)\s*x\s*(\d+(?:\.\d+)?)\s*mm$

为什么之前的尝试出错？ #

你提到之前得到Round3x、3x20mm这类混乱结果，大概率是因为：

1. 没有用分组捕获，导致把多个部分的内容混在一起
2. 用了贪婪匹配（比如+而不是+?），把后面的数字或符号也包含进了字符串部分
3. 没有处理空格的不确定性，比如x前后的空格没匹配到

按照上面的方法，就能精准把三个部分分开啦！

内容的提问来源于stack exchange，提问作者Mikael Diak