Python正则匹配Peak Mem值返回None，求实现内存阈值判断方案

首先，咱们来拆解你遇到的问题：你的正则表达式没能正确匹配统计数据里的Peak Mem实际值，导致匹配结果返回None。下面一步步分析问题并给出可行的解决方案：

问题根源分析 #

先看你的目标数据行：

00:SCAN HDFS 1 115.097ms 115.097ms 36.86K -1 99.97 MB 960.00 MB edw.dw_loan_int_amt

你要提取的是99.97 MB，但你的正则和代码有几个关键问题：

1. 正则写法错误：你写的\ .B本意是匹配 MB，但这里的.是正则通配符（匹配任意单个字符），而且少了M字符，导致无法匹配MB后缀；
2. 匹配方法选错：re.match()是从字符串起始位置开始匹配的，而你的目标值不在行首，这是返回None的核心原因——应该用re.search()在整个字符串中查找匹配；
3. 冗余匹配逻辑：.*?这类非贪婪匹配没必要过度使用，直接定位目标格式更精准。

修正后的解决方案 #

方案1：优化正则表达式匹配 #

用re.search()替代re.match()，同时修正正则格式，精准匹配数字+空格+MB的组合：

import re

result = sum_data['summary']
# 修正后的正则：匹配带小数的数字 + 空格 + MB
pattern = r"(\d+\.\d+\s+MB)"
m = re.search(pattern, result)

if m:
    peak_mem = m.group(1)
    # 提取数值部分做大小判断
    mem_value = float(peak_mem.split()[0])
    if mem_value > 90:
        print(f"内存值{peak_mem}大于90MB，执行指定操作")
        # 在这里编写你的指定操作代码
else:
    print("未匹配到Peak Mem值")

方案2：按列拆分提取（更可靠） #

因为这是结构化的表格数据，直接按列拆分字段的方法比正则更不易出错，还能确保提取的就是Peak Mem列：

import re

result = sum_data['summary']
lines = result.split('\n')

for line in lines:
    # 跳过表头和分隔线
    if 'Operator' in line or '---' in line:
        continue
    # 处理多个连续空格的情况，拆分字段
    fields = re.split(r'\s+', line.strip())
    # 表头顺序：Operator, #Hosts, Avg Time, Max Time, #Rows, Est. #Rows, Peak Mem...
    if len(fields) >= 7:
        peak_mem = fields[6]
        mem_value = float(peak_mem.split()[0])
        if mem_value > 90:
            print(f"内存值{peak_mem}大于90MB，执行指定操作")
            # 执行你的自定义操作

关键知识点总结 #

• 当目标内容不在字符串开头时，用re.search()替代re.match()；
• 正则中要匹配字面的.，需要转义成\.，或者用字符类[.]；
• 处理表格类结构化数据时，按字段拆分的方法往往比正则更直观、更可靠。

内容的提问来源于stack exchange，提问作者TheNewGuy