本文介绍使用正则表达式从非结构化文本中高效提取标准十进制格式的经纬度坐标（如 46.4864500°N 30.7416139°E），涵盖模式设计、代码实现、常见陷阱及优化建议。
本文介绍使用正则表达式从非结构化文本中高效提取标准十进制格式的经纬度坐标（如 `46.4864500°n 30.7416139°e`），涵盖模式设计、代码实现、常见陷阱及优化建议。
在处理地理文本数据（如世界遗产名录、维基百科条目或地理数据库导出内容）时，常需从混杂的纯文本中自动提取经纬度信息。观察示例文本可知，目标坐标具有明确格式特征：十进制数字 + 度符号（°）+ 方向字母（N/S/E/W），且成对出现（纬度在前，经度在后），中间以空格分隔。
原始代码中尝试匹配 // 前缀的方式存在逻辑偏差——实际坐标位于 / 分隔符之后、括号之前，且关键标识并非斜杠本身，而是数字+°+方向的组合模式。因此，应直接锚定坐标本身的结构特征。
✅ 推荐正则表达式模式
import re text = '''UzbQashqadaryo Region, Uzbekistan39°3′0″N 66°50′0″E / 39.05000°N 66.83333°E / 39.05000; 66.83333 (Historic Centre of Shakhrisyabz) AutVienna, Austria48°12′N 16°22′E / 48.200°N 16.367°E / 48.200; 16.367 (Vienna) YemAl Hudaydah, Yemen14°12′N 43°19′E / 14.200°N 43.317°E / 14.200; 43.317 (Historic Town of Zabīd)''' # 精准匹配十进制坐标对：如 "39.05000°N 66.83333°E" pattern = re.compile(r'\d+\.\d+°[NS]\s\d+\.\d+°[EW]') matches = pattern.findall(text) print(matches) # 输出：['39.05000°N 66.83333°E', '48.200°N 16.367°E', '14.200°N 43.317°E']
? 模式解析
- \d+\.\d+：匹配至少一位整数 + 小数点 + 至少一位小数（覆盖 39.05000、48.200 等）
- °[NS]：匹配度符号后紧跟北（N）或南（S）纬标识
- \s：匹配一个空格（分隔纬度与经度）
- \d+\.\d+°[EW]：同理匹配东（E）或西（W）经度
⚠️ 注意事项与增强建议
- 避免误匹配：该模式不匹配度分秒格式（如 31°31′27″N），若需同时支持多种格式，可扩展为 (?:\d+\.\d+°[NS]|\d+°\d+′\d+″[NS])\s(?:\d+\.\d+°[EW]|\d+°\d+′\d+″[EW])，但会增加复杂度，建议按需选用。
- 边界控制：如文本中存在类似 123.456°N789.012°E（无空格）或嵌入数字（如 ID:48.200°N），可在模式前后添加单词边界 \b：r'\b\d+\.\d+°[NS]\s\d+\.\d+°[EW]\b'。
-
提取后处理：获得字符串后，可进一步解析为浮点数值：
for coord in matches: lat_str, lon_str = coord.split() lat = float(lat_str[:-2]) * (1 if 'N' in lat_str else -1) lon = float(lon_str[:-2]) * (1 if 'E' in lon_str else -1) print(f"Lat: {lat:.6f}, Lon: {lon:.6f}")
掌握这一模式，即可稳定、高效地从大批量地理文本中批量提取结构化坐标，为GIS分析、地图标注或数据清洗提供可靠基础。
