Python正则re.split同结构匹配模式为何表现不同？

问题场景 #

• 待拆分字符串：sentence = "Break!me!?haha"
• 模式1：pattern = r'(!)|(!\?)'
  • 预期分隔符：! 和 !?
  • 实际分隔符：! 和未被正确匹配的?（本质是第二个分支从未触发）
• 模式2：pattern = r'(!)|(e!)'
  • 预期分隔符：! 和 e!
  • 实际分隔符：与预期完全一致

核心原因 #

正则分支遵循从左到右的优先匹配规则：引擎会按顺序尝试每个分支，只要某个分支匹配成功，就会立即停止后续分支的匹配尝试，直接返回当前匹配结果。

1. 对于模式r'(!)|(!\?)'：
   分支(!)是分支(!\?)的前缀（!?的开头就是单独的!）。当引擎遇到字符串中的!?时，会先匹配到第一个分支的!，匹配成功后直接结束当前位置的匹配，不会再尝试第二个分支(!\?)。因此第二个分支永远不会被触发，自然无法作为分隔符使用。而字符串中剩余的?未被任何分支匹配，最终会以非分隔符的形式保留在拆分结果中。

2. 对于模式r'(!)|(e!)'：
   分支(!)和(e!)不存在前缀包含关系——e!的开头是e，无法被第一个分支(!)匹配。因此引擎在遇到e!时，第一个分支匹配失败，会继续尝试第二个分支，成功匹配e!作为分隔符。

修正方案 #

如果想让!?作为完整分隔符被优先匹配，只需调整分支顺序，把更长、更具体的分支放在前面：

import re
sentence = "Break!me!?haha"
pattern = r'(!\?)|(!)'  # 将!?放在分支首位
result = re.split(pattern, sentence)
# 过滤结果中的None（未匹配的捕获组内容）
filtered_result = [item for item in result if item is not None]
print(filtered_result)  # 输出: ['Break', '!', 'me', '!?', 'haha']

内容的提问来源于stack exchange，提问作者codeDog