正则表达式可选分组捕获的歧义问题及解决方案咨询

问题核心是第一组的[A-Z-]*属于贪婪匹配模式——它会尽可能多地匹配符合规则的字符，而-Z本身也在[A-Z-]的匹配范围内，所以整个"A-B-Z"都会被第一组吞掉，第二组自然捕获不到内容。要在保留第二组可选性的同时实现预期捕获，有几种可行方案：

• 非贪婪匹配改造：把第一组的贪婪量词*改成非贪婪的*?，正则变为：([A-Z-]*?)(-Z)?
  非贪婪模式会让第一组尽可能少地匹配字符，优先留给第二组去匹配-Z。测试结果：

  • 匹配"A-B-Z"：分组1为"A-B"，分组2为"-Z"
  • 匹配"A-B"：分组1为"A-B"，分组2为空
    完全符合需求。

• 否定前瞻限制结尾：用否定前瞻确保第一组不会以-Z结尾，正则写成：([A-Z-]*?(?=-Z|$))(-Z)?
  这里(?=-Z|$)是断言，要求第一组匹配的内容后面要么是-Z，要么是字符串结尾，强制第一组在遇到-Z时停止匹配。效果和非贪婪方案一致，适合需要更精确控制匹配边界的场景。

• 结构化匹配第一组：如果你的字符串都是由"-"分隔的大写字母组成，可以把第一组的规则改成匹配完整的分隔序列，正则为：([A-Z]+(?:-[A-Z]+)*)(-Z)?
  这个规则限定第一组只能是"大写字母+(-大写字母)"的重复结构，不会包含最后的-Z（因为-Z是单独的结尾部分）。测试结果同样符合预期，还能避免匹配不符合结构的字符串（比如"--Z"这种无效格式）。

内容的提问来源于stack exchange，提问作者harkinian