正则表达式从 Python 中的文本中提取具有维度的数量

Question

我正在尝试从文本中提取尺寸和单位。

数据可能看起来像任何东西：

53 英寸 x 45 英寸

10 英寸乘 5 英寸

53" 宽 x 74" 长 x 15" 高

53 英寸宽 x 74 英寸长 x 15 英寸高

有一些帖子涵盖了前两种情况，但我无法理解如何处理这里的情况 3 和 4。

这是我尝试了从基础做起这个，但不知它不工作：

import re
regex = r"(?<!\S)\d+(?:,\d+)?\s*(?:inch|in| in|\")* ?x ?\d+(?:,\d+)?(?: ?x ?\d+(?:,\d+)?)*\s*(?:inch| inch|in| in|\")*"
test_str = ("15 mm x 2 mm x 3")
result = re.findall(regex, test_str)  
print(result)

另外，我只想提取这些，因为我正在使用Quantulum来提取其他数值，但在这种情况下它失败了。因此，非常感谢有关如何合并这两个事物以共同发挥作用的任何指导。

谢谢你的帮助

Answer 1

您可以使用

(?<!\S)(\d+(?:,\d+)?) *(?:(?:in(?:ch)?|")(?: +W)?)? ?(?:x|by) ?(\d+(?:,\d+)?)(?: ?x ?\d+(?:,\d+)?)* *(?:(?:in(?:ch)?|")(?: +L)?)?(?: ?x ?(\d+(?:,\d+)?))* *(?:(?:in(?:ch)?|")(?: +H)?)?

请参阅正则表达式演示。

当然，\s比模式中的文字空格更好，因为它可以匹配任何空格：

(?<!\S)(\d+(?:,\d+)?)\s*(?:(?:in(?:ch)?|")(?:\s+W)?)?\s?(?:x|by)\s?(\d+(?:,\d+)?)(?:\s?x\s?\d+(?:,\d+)?)*\s*(?:(?:in(?:ch)?|")(?:\s+L)?)?(?:\s?x\s?(\d+(?:,\d+)?))*\s*(?:(?:in(?:ch)?|")(?:\s+H)?)?

细节：

• (?<!\S)- 左侧空白边界
• (\d+(?:,\d+)?)- 第 1 组：int 或 float 数值
• *- 零个或多个空格
• (?:(?:in(?:ch)?|")(?: +W)?)?- 可选的in,inch或序列"，可选地后跟一个或多个空格以及W
• ?- 可选空间
• (?:x|by)-x或者by
• ?- 可选空间
• (\d+(?:,\d+)?)(?: ?x ?\d+(?:,\d+)?)* *(?:(?:in(?:ch)?|")(?: +L)?)?(?: ?x ?(\d+(?:,\d+)?))* *(?:(?:in(?:ch)?|")(?: +H)?)?- 如上所述的类似模式序列的两个可选重复（使用L和H代替W），数值被捕获到组 2 和组 3 中。