正则表达式匹配参考文献脚注时出现不符合预期的行为

我来帮你分析下这个问题，核心原因其实是破折号的字符类型不匹配！

你看，你的正则表达式里用的\-对应普通的短破折号（ASCII码U+002D），但测试文本"Author, Some Book, 51–66."里的破折号是长破折号（EN Dash，Unicode码U+2013）——这是两个完全不同的字符，所以正则里的\-根本匹配不到长破折号，导致整个PATTERN匹配失败，也就是match_A为None，输出False。

而match_B里用的是短破折号，刚好和正则里的\-匹配，所以能成功输出True。

至于你说SUB_PATTERN能匹配长破折号的情况，大概率是你测试match_C和match_D时，文本里的破折号其实是短破折号（或是输入时被编辑器自动转换了），所以才能匹配成功。

那怎么解决这个问题呢？你只需要修改正则，让它同时支持短破折号和长破折号就行，这里给你两种方案：

1. 直接在正则里枚举两种破折号：

PATTERN = "[\\w ]+, [\\w ]+, (\\d+([\\-–]\\d+)?)\\."

这里的[\-–]表示同时匹配短破折号-和长破折号–。

2. 如果你还需要支持其他类型的破折号（比如更长的EM Dash U+2014），可以用Unicode属性匹配所有破折号：

PATTERN = "[\\w ]+, [\\w ]+, (\\d+(\\p{Pd}\\d+)?)\\."

注意：Python的re模块默认不支持Unicode属性，需要加上re.UNICODE标志（或简写re.U），使用时要写成：

match_A = re.search(PATTERN, "Author, Some Book, 51–66.", flags=re.UNICODE)

你试试修改后的正则，不管是短破折号还是长破折号的情况，应该都能匹配成功了。

备注：内容来源于stack exchange，提问作者andrescg2sj