用 Python 自动解析药品规格并计算包装总容量 —— pandas + 正则实战

在医疗药房管理、药品库存统计等业务场景中，Excel 表格里的药品规格常以"0.32g72粒""20mg 40片""100ml1瓶"等字符串形式存储。若需完成库存盘点、剂量汇总等工作，需将这类规格解析为"总容量+单位"的标准化形式（如 0.32g72粒 → 23.04g）。

本文基于 pandas 与正则表达式实现一套实用的 Python 脚本，可自动读取 Excel 中的药品规格、解析并计算总容量，最终将结果写回 Excel；同时针对 Excel 导出异常导致的重复表头问题，脚本也做了针对性处理，适配 mg、g、ml 等常见容量单位及粒、片、袋等包装单位。

一、需求

以 Excel 文件 data20251223.xlsx 为例，数据格式如下：

药品名称	药品规格
药1	0.52g*72粒
药2	0.36g*45片
药3	36mg*40片
药4	5g*12袋
药5	100ml*1瓶
药6	5g*12袋
药7	5g*12袋
药8	0.3g*100片
药9	20ml*10支
药10	0.3g*60粒

核心需求是新增"容量/单位包装（计算后）"列，将每条规格转换为总容量格式：

0.32g*72粒 → 23.04g
20mg*40片 → 800mg
100ml*1瓶 → 100ml

此外，需解决 Excel 读取时的重复表头问题（如文件内存在两行表头、导出异常导致数据行与表头重复），避免写回文件时出现冗余标题行。

二、实现思路概览

数据读取：通过 pandas 读取 Excel 文件并转换为 DataFrame 结构；
重复表头处理：检测并删除与列名完全一致的首行数据，解决重复表头问题；
规格解析：利用正则表达式提取"单剂量数值+容量单位"及"包装数量"；
单位标准化：统一转换 mg/g/ml 相关的中英文/大小写写法，过滤粒、片等包装单位；
总容量计算：基于解析的数值和单位计算总容量，并格式化输出结果；
结果输出：将计算结果写入新的 Excel 文件，保证数据格式规范。

三、关键点说明

1) 单位规范化

针对药品规格中单位写法不统一的问题（如"毫克""MG""g"），normalize_unit 函数将其统一标准化为 mg/g/ml；若仅包含包装单位（如"72粒"），则返回 None，明确区分容量单位与包装单位。

2) 正则解析

采用多套正则模式组合，覆盖不同规格写法的解析场景：

pattern：匹配"数值+单位+分隔符（*、× 等）+数量"的标准格式；
single_pattern：当标准格式匹配失败时，兜底匹配任意"数值+单位"组合；
count_pattern：单独提取分隔符后的包装数量，补充解析缺失的数量信息。

3) 处理重复表头

读取 DataFrame 后，将列名与首行数据转为字符串列表并对比；若二者完全一致，判定为重复表头，自动删除该行并重置索引，确保后续计算不受冗余表头影响。

4) 单位保留或转换

脚本默认保留原始单位（mg 仍为 mg、g 仍为 g、ml 仍为 ml）；若需实现单位自动转换（如 1500mg → 1.5g），可在 compute_total 函数中新增 mg ≥ 1000 时的单位转换逻辑，扩展灵活度。

四、效果与示例

对示例数据（data20251223.xlsx）执行脚本后，可得到标准化的总容量结果：

药品名称	药品规格	容量/单位包装（计算后）
药1	0.52g*72粒	37.44g
药2	0.36g*45片	16.2g
药3	36mg*40片	1440mg
药4	5g*12袋	60g
药5	100ml*1瓶	100ml
药6	5g*12袋	60g
药7	5g*12袋	60g
药8	0.3g*100片	30g
药9	20ml*10支	200ml
药10	0.3g*60粒	18g

若原始 Excel 存在重复表头行（某行数据与列名完全一致），脚本会自动剔除该行，避免写回文件时出现双表头问题。

五、完整源代码，可直接运行

运行前需安装依赖：pip install pandas openpyxl

python 复制代码

import re
import pandas as pd

# 读取Excel文件，默认第一行为列名
df = pd.read_excel('data20251223.xlsx')

# 检测并删除重复表头行（若首行数据与列名完全一致）
if not df.empty:
    cols = list(df.columns.astype(str))
    first_row = df.iloc[0].astype(str).tolist()
    if first_row == cols:
        df = df.iloc[1:].reset_index(drop=True)

# 定义正则匹配模式
pattern = re.compile(r'([0-9]+(?:\.[0-9]+)?)\s*([a-zA-Z\u4e00-\u9fa5μμgmgmlMG]+)\s*[×xX\*\·]?\s*([0-9]+)')
single_pattern = re.compile(r'([0-9]+(?:\.[0-9]+)?)\s*([a-zA-Zμμ\u4e00-\u9fa5]+)')
count_pattern = re.compile(r'[\*×xX\·]\s*([0-9]+)')

def normalize_unit(u):
    """标准化单位：转换为mg/g/ml，包装单位返回None"""
    if not isinstance(u, str):
        return None
    u = u.lower().replace('．', '.').replace('／', '/').strip()
    if 'mg' in u or '毫克' in u:
        return 'mg'
    if 'g' in u or '克' in u:
        return 'g'
    if 'ml' in u or '毫升' in u:
        return 'ml'
    if any(x in u for x in ['粒', '片', '袋', '支', '瓶', '盒']):
        return None
    return u

def compute_total(spec):
    """解析药品规格字符串，返回计算后的总容量字符串"""
    if not isinstance(spec, str):
        return ''
    # 统一分隔符格式
    spec = spec.replace('×', '*').replace('X', '*').replace('x', '*')
    # 提取包装数量
    m_count = count_pattern.search(spec)
    count = int(m_count.group(1)) if m_count else None

    # 匹配标准规格格式
    m = pattern.search(spec)
    if m:
        value = float(m.group(1))
        raw_unit = m.group(2)
        unit = normalize_unit(raw_unit)
        # 若匹配到的是包装单位，兜底匹配单剂量+容量单位
        if unit is None:
            m2 = single_pattern.search(spec)
            if m2:
                value = float(m2.group(1))
                unit = normalize_unit(m2.group(2))
        # 单位仍无效则返回空值
        if unit is None:
            return ''
        # 补充包装数量（未提取到时从数字中兜底）
        if count is None:
            nums = re.findall(r'([0-9]+)', spec)
            count = int(nums[-1]) if len(nums) >= 2 else 1
        # 计算总容量并格式化
        total_val = value * count
        if unit in ['mg', 'g', 'ml']:
            # 整数去小数位，非整数保留6位精度
            display_val = int(total_val) if total_val.is_integer() else round(total_val, 6)
            return f"{display_val}{unit}"
        return f"{int(total_val) if total_val.is_integer() else round(total_val, 6)}{unit}"
    else:
        # 标准格式匹配失败，兜底匹配单剂量+单位
        m2 = single_pattern.search(spec)
        if m2:
            value = float(m2.group(1))
            raw_unit = m2.group(2)
            unit = normalize_unit(raw_unit)
            if unit is None:
                return ''
            # 补充包装数量
            if count is None:
                nums = re.findall(r'([0-9]+)', spec)
                count = int(nums[-1]) if len(nums) >= 2 else 1
            total_val = value * count
            display_val = int(total_val) if total_val.is_integer() else round(total_val, 6)
            return f"{display_val}{unit}"
    return ''

# 应用计算函数生成新列
df['容量/单位包装（计算后）'] = df['药品规格'].apply(compute_total)
# 写回Excel文件（不保留索引）
df.to_excel('data20251223_with_total_fixed.xlsx', index=False)
print("处理完成，已生成文件：data20251223_with_total_fixed.xlsx")

本脚本聚焦医药仓储场景的实际痛点，将非结构化的药品规格字符串转化为标准化的可计算格式，同时解决了 Excel 数据读取中的格式异常问题。脚本具备良好的扩展性，可根据实际业务需求调整单位转换规则、扩充规格解析范围。