提取数字型指标应锚定业务语义，用re.search配合精准pattern（如单位、关键词），处理千分位、大小写、跨行等细节，并做类型转换与异常防护。
提取数字型指标时，别直接用 re.findall(r'\d+', text)
这个正则看似简单，但会把“2023年”“第5名”“IP地址192.168.1.1”全拆成零散数字，根本分不清哪个是你要的「关键指标」。关键不是找数字，而是找「带业务语义的数字」。
比如文本里有“CPU使用率：78.5%”，你真正要的是 78.5 这个浮点数，且它后面紧跟着 %；又比如“订单量：12,345单”，逗号不能丢，否则变成 12345 就失真了。
- 优先锚定单位或关键词：
re.search(r'CPU使用率：\s*(\d+\.?\d*)%', text)，用括号捕获组精准取值 - 处理千分位：用
r'订单量：\s*([\d,]+)单'，后续再用replace(',', '')转整数 - 避免过度匹配：不用
.*，改用[^：\n]+等否定字符集限制范围
提取中文关键词后数值，re.search 比 re.findall 更可靠
非结构化文本常出现“内存占用 4.2 GB”“响应时间平均 120ms”这类模式——关键词和数值之间空格数不定，还可能夹杂单位缩写。用 findall 容易漏匹配或多匹配。
更稳的做法是为每个指标写独立 pattern，用 search 逐个抓取：
立即学习“Python免费学习笔记（深入）”；
Secure Python Code Sandbox
下载
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
-
mem_match = re.search(r'内存占用\s*[:：]?\s*(\d+\.?\d*)\s*(GB|MB)', text)，注意中英文冒号、空格容错 - 单位大小写敏感？加
re.IGNORECASE标志，比如匹配ms或MS - 返回
None很常见，务必判空：if mem_match: value = float(mem_match.group(1))
多行文本中跨行提取（如日志块），必须加 re.DOTALL
像这样一段日志：
ERROR: service timeout at com.example.ApiHandler response time: 2450 ms
想提 2450，但默认 . 不匹配换行符，re.search(r'response time:\s*(\d+)\s*ms', log_text) 会失败。
- 加上标志：
re.search(r'response time:\s*(\d+)\s*ms', log_text, re.DOTALL) - 如果还要忽略大小写（比如
Response Time），组合使用：re.DOTALL | re.IGNORECASE - 注意性能：大文本 +
DOTALL可能变慢，可先用text.splitlines()缩小范围再搜
正则提取后，类型转换和异常处理不能省
正则只负责“找到字符串”，但指标要参与计算或入库，'78.5' 和 78.5 是两回事。很多脚本在这里崩掉。
- 浮点数转换前先 strip：
val_str.strip().replace('，', '').replace(',', '')（注意全角逗号） - 用
float()或int()时包try/except ValueError，尤其当文本含“N/A”“—”“-”等占位符 - 建议封装小函数：
safe_float(s: str) -> float | None，统一处理脏数据
正则本身不难，难的是每条 pattern 都得贴着业务文本反复调——今天匹配“QPS：120”，明天可能是“qps=120.0（峰值）”，边界永远在变。
