如何用正则表达式匹配不含[ABC][ABC]序列的拉丁字母片段

你的正则(?!.*[ABC][ABC]).+逻辑存在问题：它是从整个匹配子串的角度做负前瞻，要求匹配的内容里完全找不到[ABC][ABC]序列，而且是贪婪匹配最长的符合条件的串。但原字符串里存在多处连续的A/B/C组合（比如BC、AB、CA），前面的长串因为.*会覆盖到这些后续的连续组合，导致负前瞻条件不满足，只有最后一个单独的A符合要求，所以只输出了它。

正确解法 #

要匹配所有内部不含连续[ABC][ABC]的最长子串，可以用这个正则：

import re

pattern = r'[^ABC]*(?:[ABC][^ABC]+)*[ABC]?'
text = 'AGSHDGSGBCHAHSNABHJDKOCA'
matches = re.findall(pattern, text)
# 过滤可能出现的空字符串
matches = [m for m in matches if m]
print(matches)

执行后会输出预期结果：['AGSHDGSGB', 'CHAHSNA', 'BHJDKOC', 'A']

正则逻辑说明 #

• [^ABC]*：匹配任意数量的非A/B/C字符，处理子串开头的非目标字符
• (?:[ABC][^ABC]+)*：重复匹配「一个A/B/C字符 + 任意数量的非A/B/C字符」，确保每个A/B/C后面都跟着非目标字符，从根源避免出现连续的A/B/C组合
• [ABC]?：可选匹配末尾的一个A/B/C字符，处理子串以A/B/C结尾且后面无其他字符的场景

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