正则表达式末尾加斜杠为何匹配结果出现差异？

核心是末尾斜杠起到了锚定匹配终点的作用，再结合正则的贪婪匹配特性、分支匹配顺序，以及re.match仅匹配字符串开头的规则，最终导致两种情况的匹配逻辑出现差异：

带斜杠的正则匹配逻辑 #

正则代码：

re.match('data/(?P<yyyy>[12]\d{3})(?P<mm>0?[1-9]|1[0-2])(?P<dd>3[0-1]|[1-2][0-9]|0?[1-9])/', 'data/20221231/file01.csv').groupdict()

末尾的/强制正则必须匹配到目标字符串中20221231后面的那个/，这就要求各个捕获组必须严格匹配合法日期格式：

• yyyy匹配4位年份：2022
• mm必须匹配符合规则的月份，只能选择2位的12（如果只匹配1位的1，剩下的231无法让dd匹配后刚好到/）
• dd匹配31，刚好触碰到末尾的/，完全符合正则规则，因此得到正确结果：{'dd': '31', 'mm': '12', 'yyyy': '2022'}

不带斜杠的正则匹配逻辑 #

正则代码：

re.match('data/(?P<yyyy>[12]\d{3})(?P<mm>0?[1-9]|1[0-2])(?P<dd>3[0-1]|[1-2][0-9]|0?[1-9])', 'data/20221231/file01.csv').groupdict()

没有末尾的/限制时，re.match只要求从字符串开头匹配成功即可，后续内容不影响匹配结果。此时正则的分支匹配顺序（先尝试短分支）和贪婪特性会导致非预期匹配：

• yyyy仍然匹配2022
• mm的分支顺序是0?[1-9]|1[0-2]，正则会先尝试匹配短分支0?[1-9]，这里可以匹配2022后的第一个字符1
• 剩下的231交给dd，dd的分支[1-2][0-9]可以匹配23，此时整个正则已经匹配了data/2022123，满足re.match的开头匹配要求，因此得到错误结果：{'dd': '23', 'mm': '1', 'yyyy': '2022'}

解决办法 #

• 保留末尾斜杠：这是最直接的方式，用斜杠锚定日期的结束位置，确保匹配到完整的合法日期
• 使用正向预查替代斜杠：如果不想消耗斜杠，可以用(?=/)代替末尾的/，正则变为：

  re.match('data/(?P<yyyy>[12]\d{3})(?P<mm>0?[1-9]|1[0-2])(?P<dd>3[0-1]|[1-2][0-9]|0?[1-9])(?=/)', 'data/20221231/file01.csv').groupdict()
  

• 调整分支顺序：把更长的合法分支放在前面，比如mm的正则改为1[0-2]|0?[1-9]，让正则优先尝试匹配2位的月份，不过这种方法不如锚定可靠，若日期后没有分隔符仍可能出错

内容的提问来源于stack exchange，提问作者Oleksandr Baranov