正则表达式"{m, n}?$"意外匹配行为的原因咨询

先看你给出的测试代码：

>>> import sys, re
>>> sys.version
'3.11.5 (main, Sep 11 2023, 13:23:44) [GCC 11.2.0]'
>>> re.__version__
'2.2.1'
>>> re.findall('a{1,4}', 'aaaaa')
['aaaa', 'a']
>>> re.findall('a{1,4}?', 'aaaaa')
['a', 'a', 'a', 'a', 'a']
>>> re.findall('a{1,4}?$', 'aaaaa')
['aaaa']

你预期最后一条返回单个'a'，实际得到'aaaa'，原因可以拆解为三点：

• 锚点$的约束：$要求匹配的子串必须紧贴字符串末尾，也就是说，匹配的子串的结束位置必须是整个字符串的最后一个字符位置。
• 正则引擎的扫描逻辑：引擎从左到右扫描字符串，逐个位置尝试匹配整个模式。当它走到第2个a的位置（索引1）时，尝试匹配4个a刚好覆盖到字符串末尾（索引5），完全满足a{1,4}?$的要求，这个匹配就被记录下来。
• 非贪婪量词的实际表现：{1,4}?虽然是非贪婪（优先匹配最少字符），但它必须满足$的约束。在前面的位置（比如索引0）尝试匹配1个a时，后面还有4个a，不满足$；逐步增加匹配长度到4个a，后面还是有1个a，依然不满足。直到移动到索引1的位置，匹配4个a刚好到末尾，这个匹配才成立。而一旦这个匹配被记录，findall会跳过已匹配的区域（这里是索引1到5），剩下的位置没有字符可匹配，自然不会再找到末尾的单个a。

内容的提问来源于stack exchange，提问作者rasul