使用Python基于多句号分隔符配对元素的文本数据清洗求助

别用split了，直接用正则匹配捕获每一组（名称，数值）才是正道，分割很容易把相邻的有效组搅在一起。

针对你的场景，写一个精准匹配每对数据的正则，用re.findall一次性提取所有有效内容：

import re

string = 'apples, red .... 0.15 apples, green ... 0.99\nbananas (bunch).......... 0.111\nfruit salad, small........1.35 [unwanted stuff #1.11 here]\nunwanted line here\nfruit salad, large .... 1.77 strawberry ........ 0.66 unwanted 00-11info here'

# 正则匹配每一组（名称，数值）
pattern = r'(\S.*?)\.{3,}\s*(\d+\.\d+)(?:\s+.*?)?(?=\s+\S.*?\.{3,}|\s*$)'
matches = re.findall(pattern, string)

# 整理成目标格式
for name, value in matches:
    clean_name = name.strip()
    print(f"{clean_name} | {value}")

正则规则说明： #

• (\S.*?)：捕获名称，以非空白字符开头（跳过开头冗余空格），非贪婪匹配直到遇到连续句号，确保不会误吞后续内容
• \.{3,}：匹配至少3个句号（严格符合你的分隔规则）
• \s*：兼容句号与数值之间的任意空格（不管有没有空格都能匹配）
• (\d+\.\d+)：捕获小数格式的数值（如果需要支持整数，改成(\d+(?:\.\d+)?)即可）
• (?:\s+.*?)?：非捕获组，匹配数值后的无用文本，非贪婪模式避免吞掉下一组有效数据
• (?=\s+\S.*?\.{3,}|\s*$)：正向预查，确保匹配终止时，后续要么是下一组的名称+句号，要么是行尾，彻底过滤无用文本

输出结果： #

apples, red | 0.15
apples, green | 0.99
bananas (bunch) | 0.111
fruit salad, small | 1.35
fruit salad, large | 1.77
strawberry | 0.66

这样既解决了数据配对混乱的问题，也彻底过滤了数值后的无用文本。如果你的数值有其他格式（比如整数、带千分位），只需要微调正则里的数值捕获部分即可。

内容的提问来源于stack exchange，提问作者user30640814