复杂正则语句（表格数据）解析

这段Python代码使用正则表达式（regex）在原始文本中搜索特定模式，其含义可拆解如下：

1. 编译正则表达式模式

pattern = re.compile(r'.*?研发费用\s*([\d,.]+)\s*[\u4e00-\u9fa5]*?'r'(\d{3}(?:,\d{3})*(?:\.\d+)?)\s*[\u4e00-\u9fa5]*?'r'(\d+(?:\.\d+)?%)',flags=re.I
)

• re.com pile()
  将字符串形式的正则表达式编译为可重用的模式对象（Pattern对象），提升匹配效率 。
• 原始字符串（r'...'）
  使用r前缀避免转义冲突（如\d不会被解释为转义字符）。
• flags=re.I
  忽略大小写匹配（例如"研发费用"可匹配"研发费用"或"研发费用"）。
• 模式结构
  表达式分为三部分（对应三个捕获组），用空白和汉字分隔：
  • .*?研发费用\s*([\d,.]+)
    • .*?: 惰性匹配任意字符（尽可能少匹配）
    • 研发费用: 固定关键词
    • \s*: 0个或多个空白字符（空格/制表符等）
    • ([\d,.]+): 捕获组1匹配数字、逗号或点（如12,345.67）。
  • (\d{3}(?:,\d{3})*(?:\.\d+)?)
    • 捕获组2匹配千位分隔格式的数字：
      • \d{3}: 3位数字（如123）
      • (?:,\d{3})*: 0个或多个逗号+3位数字（如,456）
      • (?:\.\d+)?: 可选的小数部分（如.789）。
  • (\d+(?:\.\d+)?%)
    • 捕获组3匹配百分比数字：
      • \d+: 整数部分
      • (?:\.\d+)?: 可选的小数部分
      • %: 百分号。
  • 分隔符\s*[\u4e00-\u9fa5]*?
    • \s*: 空白字符
    • [\u4e00-\u9fa5]*?: 0个或多个汉字（Unicode范围）。

---

2. 执行文本搜索

m = pattern.search(raw)

• pattern.se arch(raw)
  在字符串raw中搜索首个匹配pattern的子串（区别于match()需从头匹配）。
• 返回值m
  若匹配成功，返回Match对象（包含捕获组信息）；否则返回None。
  通过m.gr oup(1), m.gr oup(2), m.gr oup(3)可分别提取三个捕获组的数据。

---

总结

此代码用于从中文文本（如财务报告）中提取以下结构化数据：

1. 基础数字（如研发费用金额）
2. 千位分隔数字（如123,456.78）
3. 百分比数字（如45.67%）

其设计适应中文文本的灵活性（允许数字间存在汉字或空白）并忽略大小写差异。