正则表达式匹配城市名时无Ungreedy标志仅匹配2项的原因咨询

你遇到的问题本质是正则默认的贪婪匹配特性，导致部分符合规则的城市名无法被完整匹配，具体拆解如下：

1. 正则结构与贪婪特性
   你的正则^([\p{L}]+\.?)(?:[-\s']?[\p{L}]+)*$包含两个核心部分：

• 捕获组([\p{L}]+\.?)：贪婪匹配一个或多个Unicode字母（[\p{L}]+），可选跟随一个点。贪婪模式下，[\p{L}]+会尽可能多地消耗字符串中的字母字符。
• 非捕获组(?:[-\s']?[\p{L}]+)*：贪婪匹配零次或多次“可选分隔符（连字符/空格/单引号）+ 一个或多个字母”组合，同样会尽可能多地消耗剩余字符。

2. 匹配失败的核心场景
   当城市名的结构需要非捕获组匹配多段内容时，双重贪婪可能导致正则引擎的回溯逻辑无法正确覆盖整个字符串，最终触发匹配失败：

• 若测试字符串存在字母与分隔符交替出现的复杂结构（如O'Connell Street），引擎可能因过度贪婪导致无法触达结束锚点$，从而判定不匹配。
• 另外，部分正则引擎中，\p{L}的Unicode字母匹配需要显式开启Unicode模式（如PHP中的u标志），如果你误将Ungreedy标志（U）当成了Unicode标志，会导致未开启Unicode时\p{L}无法匹配中文、日文等非ASCII字母，仅能匹配少数英文城市名，最终只匹配到2项。

3. 为何添加Ungreedy标志后有效
   Ungreedy标志会将所有量词改为非贪婪模式，此时：

• 捕获组的[\p{L}]+会尽可能少地匹配字母，优先留给后续的非捕获组处理；
• 非捕获组的*也会逐段匹配，避免过度消耗字符，从而让正则引擎能正确遍历整个字符串，匹配更多符合规则的城市名。

内容的提问来源于stack exchange，提问作者user3145047