Python使用正则提取混合字母数字/指定长度纯数字字符串的完整案例

一、前言

日常文本处理中，经常需要从一堆句子里找出符合特定格式的编号、物料码、零件编码。

1. 同时包含字母和数字、仅由字母数字组成、长度在2到8位之间的混合编码；
2. 纯数字、位数严格在4到7位之间的数字编号。

这里用 Python 内置的 re 正则库，封装了一个通用的筛选函数，附上多组测试用例，正则语法怎么拆解、样本怎么匹配、运行结果是什么，都一一列出来，新手也能直接复制了用。

二、完整可运行源码

import re

def process_string(input_string):
    """
    从输入文本中筛选符合规则的单词片段
    匹配规则二选一：
    1. 同时包含字母+数字，仅由字母数字构成，长度2~8位
    2. 纯数字，总位数4~7位
    :param input_string: 输入带空格分隔的文本
    :return: 所有符合规则的字符串列表
    """
    result_list = []
    # 按空格切割文本，拆分出独立单词
    word_parts = input_string.split()
    
    # 正则1：匹配字母+数字混合编码，长度2~8，无特殊符号
    pattern_mix = re.compile(r'(?=.*[a-zA-Z])(?=.*d)[a-zA-Zd]{2,8}$')
    # 正则2：匹配4~7位纯数字
    pattern_num = re.compile(r'^d{4,7}$')
    
    # 遍历每一个拆分后的单词，校验规则
    for word in word_parts:
        if pattern_mix.match(word) or pattern_num.match(word):
            result_list.append(word)
    return result_list

# 测试样本集
test_texts = [
    'Aceite p04476',
    'sdighsg',
    's4967xl',
    'v0-4985',
    'shfsf v0-4985',
    '123',
    '1234568956',
    '45825'
]

# 批量提取所有符合规则的编码
total_result = []
for text in test_texts:
    match_words = process_string(text)
    total_result.extend(match_words)

# 输出最终筛选结果
print("所有匹配成功的编码：", total_result)

三、代码分层详解

3.1 核心函数process_string逻辑

1. 文本分割：split() 以空格分割整段文字，把一句话拆成独立单词，单独校验每个单词；
2. 双正则匹配规则：设置两套正则，满足任意一条即判定为有效编码；
3. 循环校验收集：遍历所有单词，匹配成功存入列表，最后返回筛选结果。

3.2 两条正则表达式深度拆解

正则 1：r'(?=.*[a-zA-Z])(?=.*d)[a-zA-Zd]{2,8}$'

用于匹配字母数字混合编码。

关键限制：带横杠、点、下划线的字符串直接过滤，比如v0-4985因为存在-就没法匹配。

正则 2：r'^d{4,7}$'

用于匹配纯数字编号。

边界规则：3 位数字、8 位及以上数字都会直接过滤。

3.3 批量测试逻辑

1. 把多段待检测文本统一放入列表循环；
2. 每段文本调用筛选函数，得到当前文本匹配结果；
3. extend() 将单次结果合并到总列表，一次性收集全部有效编码；
4. 打印汇总后的最终结果。

四、测试样本逐个匹配分析

五、程序运行输出

所有匹配成功的编码： ['p04476', 's4967xl', '45825']

六、拓展优化方向（可直接修改代码）

6.1 支持带横杠的编码（如 v0-4985）

修改混合正则，允许-符号：

pattern_mix = re.compile(r'(?=.*[a-zA-Z])(?=.*d)[a-zA-Zd-]{2,10}$')

6.2 修改数字长度范围

需要匹配 3~10 位纯数字，修改正则：

pattern_num = re.compile(r'^d{3,10}$')

6.3 支持逗号 / 顿号分割文本

分割逻辑替换，兼容多分隔符：

# 同时按空格、逗号分割
word_parts = re.split(r'[ ,]', input_string)

七、适用场景

1. 工业文本提取零件号、物料编码；
2. 日志文本筛选设备编号、订单短号；
3. OCR 识别文字后过滤有效编码；
4. 表单文本批量清洗提取目标字段。

八、知识点总结

1. re.compile() 预编译正则，多次调用效率更高；
2. match() 从字符串开头完整匹配，适合校验整个单词；
3. 正向预查(?=...) 实现 “同时包含字母 + 数字” 的复合条件；
4. split() / re.split() 灵活分割文本，拆分独立关键词；
5. 多规则正则使用or并联，满足任意一条即可命中。