Este patrón reconoce las dimensiones en cms:
(?:\s|\()([\.\d]+)\s*(x|cm)
El patrón pide algo que:
\s|\(
Empiece con espacio o abre paréntesis.
[\.\d]+
Un valor decimal.
\s*
Cero o más espacios.
x|cm
Terminados en x
o cm
.
El prefijo ?:
señala que se descarta esa parte del texto reconocido.
Usando findall()
, obtenemos listas de tuplas en el siguiente formato:
[('21.75', 'x'), ('13.97', 'cm'), ('41.28', 'x'), ('25.4', 'cm')]
Y hay que agregar código para extraer los valores usando cm
como delimitador de un conjunto de valores.
Demo
import re
lista = [
'5 5/8 x 8 1/2 in. (14.29 x 21.59 cm)',
'8 9/16 x 5 1/2 in. (21.75 x 13.97 cm) (sheet) 16 1/4 x 10 in. (41.28 x 25.4 cm) (mount)',
'8 3/16 x 13 9/16 in. (20.8 x 34.45 cm) (sheet)',
'7 5/16 x 12 3/8 in. (18.57 x 31.43 cm) (sight) 14 1/4 x 18 3/4 x 7/16 in. (36.2 x 47.63 x 1.11 cm) (outer frame)',
'1 1/2 x 3/4 x 1/2 in. (3.81 x 1.91 x 1.27 cm)',
'7 9/16 x 9 1/2 in. (19.21 x 24.13 cm) (image) 13 x 15 in. (33.02 x 38.1 cm) (mount)',
'7 32 x 43533x 44 cm',
'5 5/8 x 8 1/2 in.'
]
patron = re.compile(r"(?:\s|\()([\.\d]+)\s*(x|cm)")
for item in lista:
m = patron.findall(item)
if m:
print(f"De {item} se extrajo:")
medida = []
for valor, caracter in m:
medida.append(valor)
if caracter == 'cm':
print(f" {medida}")
medida = []
produce:
De 5 5/8 x 8 1/2 in. (14.29 x 21.59 cm) se extrajo:
['14.29', '21.59']
De 8 9/16 x 5 1/2 in. (21.75 x 13.97 cm) (sheet) 16 1/4 x 10 in. (41.28 x 25.4 cm) (mount) se extrajo:
['21.75', '13.97']
['41.28', '25.4']
De 8 3/16 x 13 9/16 in. (20.8 x 34.45 cm) (sheet) se extrajo:
['20.8', '34.45']
De 7 5/16 x 12 3/8 in. (18.57 x 31.43 cm) (sight) 14 1/4 x 18 3/4 x 7/16 in. (36.2 x 47.63 x 1.11 cm) (outer frame) se extrajo:
['18.57', '31.43']
['36.2', '47.63', '1.11']
De 1 1/2 x 3/4 x 1/2 in. (3.81 x 1.91 x 1.27 cm) se extrajo:
['3.81', '1.91', '1.27']
De 7 9/16 x 9 1/2 in. (19.21 x 24.13 cm) (image) 13 x 15 in. (33.02 x 38.1 cm) (mount) se extrajo:
['19.21', '24.13']
['13', '33.02', '38.1']
De 7 32 x 43533x 44 cm se extrajo:
['32', '43533', '44']
Process finished with exit code 0
cm
?