如何构造带可选最后捕获组的Python正则表达式？

正确正则表达式 #

import re

pattern = r'^(.*):([^-]+)(?:-(alpha|beta))?$'

匹配逻辑说明 #

• ^(.*)：捕获grp1，锚定字符串开头，匹配冒号前的所有内容
• :([^-]+)：捕获grp2，[^-]+表示匹配不含连字符的任意字符序列，确保不会把后续的-alpha/-beta包含进grp2
• (?:-(alpha|beta))?：用非捕获组包裹可选后缀，?标记这部分可出现0次或1次；内部的(alpha|beta)负责捕获grp3，只有当后缀存在时才会有值，否则为None

测试验证代码 #

test_cases = [
    "foo:bar-alpha",
    "foo:bar-beta",
    "foo:bar"
]

for case in test_cases:
    match = re.match(pattern, case)
    if match:
        print(f"案例: {case}")
        print(f"grp1: {match.group(1)}, grp2: {match.group(2)}, grp3: {match.group(3)}\n")

输出结果：

案例: foo:bar-alpha
grp1: foo, grp2: bar, grp3: alpha

案例: foo:bar-beta
grp1: foo, grp2: bar, grp3: beta

案例: foo:bar
grp1: foo, grp2: bar, grp3: None

原表达式问题分析 #

• 第一个表达式(.*):(.*)(-(alpha|beta))未添加?标记后缀可选，因此只能匹配带后缀的案例，无法兼容第三组为空的情况
• 第二个表达式(.*):(.*)(-(alpha|beta))?中，(.*)是贪婪匹配模式，会优先把bar-alpha/bar-beta全部吞入grp2，导致后续可选组无法触发匹配

内容的提问来源于stack exchange，提问作者Lobert