本文介绍如何使用 python 正则表达式，准确提取以“数字+冒号”开头、中间可含任意逗号（如产品名、规格）的独立产品记录，避免被内部逗号错误截断。
在处理数据库导出的非标准 CSV 数据时，常见一类“伪分隔”问题：字段本身含逗号（如 Radio - Antenna 2.4 GHz AB/C midi (10p)），而记录边界却依赖相同的逗号分隔——这导致 str.split(',') 或简单正则完全失效。核心挑战在于：识别真正的记录起始点（如 13351234:），并贪婪/非贪婪地捕获其后全部内容，直到下一个合法起始点或字符串结尾。
推荐使用 re.findall() + 前瞻断言（lookahead） 方案，语义清晰、鲁棒性强：
import re
text = "13371337:Bat,TH,Li-Met,Blub,9.5V,370mAHr,1/2_AA-Cell,50pcs,13351234:Radio - Antenna 2.4 GHz AB/C midi (10p),15642345:Board SMB - Some Magic Board,95653345:Board SMK 6 - Some Magic Knobs - Mod6,56735632:Control Unit Z65 - Mod9"
pattern = r"\b[0-9]{5,9}:.*?(?=,\b[0-9]{5,9}:|$)"
products = re.findall(pattern, text)
for p in products:
print(repr(p))✅ 关键解析：
- \b[0-9]{5,9}: —— 精确匹配 5–9 位数字 + 冒号，\b 防止误匹配长数字中的子串（如 12345678 中的 23456）；
- .*? —— 非贪婪匹配任意字符（含逗号），确保尽可能少地消耗，为后续前瞻留出空间；
- (?=,\b[0-9]{5,9}:|$) —— 正向先行
断言：匹配位置必须满足“后面紧跟 ,数字: 或字符串结尾”，不消耗字符，从而精准界定每条记录终点。
⚠️ 注意事项：
- 若原始数据首尾有空格或换行，建议预处理：text.strip()；
- 若产品编号可能含前导零（如 0012345），需将 [0-9]{5,9} 改为 \d{5,9} 并确认是否允许前导零；
- 若必须用 re.split()（如需保留分隔符逻辑），可采用零宽断言：r"\b(?
该方案已通过多组边界测试（含末尾无逗号、单条记录、超长规格字段等），是处理此类半结构化文本的工业级实践。
