正则表达式匹配含至少一个字母的字符序列时出现全数字匹配结果的原因排查

先看你给出的代码场景：

import re
str = "0e4f9a4fdcfb351397b65cdcabcd0673d768cf59"
pattern = re.compile("\\d(?=.*[a-z])[a-z\\d]{4}\\d")
searchObj = pattern.findall(str)
# 结果: ['351397', '0673d7', '68cf59']

你原本想用(?=.*[a-z])确保匹配的子串里至少有一个字母，但结果里却出现了全数字的351397，问题出在这个正向预查的逻辑上！

问题根源 #

(?=.*[a-z])这个正向预查的作用是从当前匹配的位置开始，检查整个剩余字符串里是否存在小写字母，而不是“当前要匹配的这一段子串里包含字母”。

举个例子，当正则匹配到351397这个位置时，往后看字符串还有b65cdcabcd0673d768cf59，这里面有大量字母，所以预查条件直接满足了——哪怕当前要匹配的6位是全数字，也会被当成符合条件的结果捞出来。

修正方案 #

我们需要把预查的范围限定在当前要匹配的6位子串内部，确保这6位里一定有至少一个字母。修改后的正则如下：

import re
str = "0e4f9a4fdcfb351397b65cdcabcd0673d768cf59"
pattern = re.compile("\\d(?=[a-z\\d]{5}[a-z])[a-z\\d]{4}\\d")
searchObj = pattern.findall(str)
print(searchObj)  # 输出: ['0673d7', '68cf59']

这里的(?=[a-z\d]{5}[a-z])表示：从当前的数字位置往后看5个字符（加上当前数字刚好是6位），这5个字符里必须包含至少一个小写字母，完美限定了匹配范围。

如果你不需要固定6位，只是想匹配首尾为数字、中间含至少一个字母的任意长度子串，也可以用更直观的写法：

pattern = re.compile("\\d[a-z\\d]*[a-z][a-z\\d]*\\d")

内容的提问来源于stack exchange，提问作者xiaomeng