正则表达式：如何避免可选分组被前置通配符匹配

你遇到的这个问题其实是正则里贪婪匹配在搞怪！原来的.*是贪婪模式，会一股脑匹配尽可能多的字符——哪怕你把年份部分标记为可选，它也会把 (年份)这部分直接吞进name分组里，导致year分组拿不到值，完全达不到你想要的效果。

下面给你几个实用的解决方案，按推荐程度排序：

方案1：切换为非贪婪匹配（最简洁） #

把正则里的.*改成.*?，让它从左到右尽可能少匹配字符，这样后面的年份部分就能优先被匹配到。优化后的正则是：

^(?P<name>.*?) (?:\((?P<year>\d{4})\))?$

这里额外做了两个细节优化：

• 用(?:...)把年份部分包装成非捕获组，方便整体标记为可选（?）
• 把\d*改成\d{4}，因为正常年份都是4位数字，能避免匹配到123这种不符合年份格式的无效内容

方案2：用负向预查限制名称范围（无贪婪顾虑） #

如果你不想依赖非贪婪匹配的特性，也可以用负向预查来约束name分组，让它不会把末尾的 (年份)内容包含进去：

^(?P<name>(?! \(\d{4}\)$).*) (?:\((?P<year>\d{4})\))?$

(?! \(\d{4}\)$)这个负向预查的意思是：当前位置后面不能是“空格+4位数字括号+字符串结尾”的格式，这样name就会在遇到年份前缀时自动停下。

方案3：拆分逻辑处理（适配边缘情况） #

如果你的电影名称里本身就包含 (数字)的格式（比如《复仇者联盟 (终局之战)》这种特殊命名），纯正则可能会误判，这时候用代码拆分逻辑会更稳妥（以Python为例）：

import re

def get_movie_info(title):
    # 先尝试匹配带年份的格式
    year_match = re.match(r'^(?P<name>.*) \((?P<year>\d{4})\)$', title)
    if year_match:
        return f"{year_match.group('name')} ({year_match.group('year')})"
    # 没有年份就直接返回名称+空年份
    return f"{title} ()"

这种方式能灵活处理各种特殊命名的情况，不会因为正则的局限性出错。

内容的提问来源于stack exchange，提问作者Shehryar Ahmed Subhani