Python正则匹配路径时误匹配无关内容的问题排查

问题原因 #

1. 字符集范围过度宽泛：原正则r"'[A-Za-z0-9\-\/{}]+'"的字符集包含所有大小写字母、数字，导致任何被单引号包裹的纯字母/数字字符串（比如'operations'、'GET'、'added'）都会被误匹配。regex101测试时可能未包含这类无关的单引号内容，因此测试结果正常。
2. 缺少路径特征约束：目标API路径均以/开头，但原正则未限定匹配内容必须以/作为起始，无法区分路径与其他单引号包裹的字符串。

解决建议 #

修正正则表达式 #

调整正则，强制要求匹配内容以/开头，同时保留路径允许的字符：

r"'\/[A-Za-z0-9\-{}\/]*'"

• \/：匹配路径起始的斜杠，确保只有以/开头的字符串才会被匹配
• [A-Za-z0-9\-{}\/]*：匹配路径后续的合法字符，*支持仅'/'这种最短路径的情况

代码应用示例 #

假设用re.findall提取路径，修正后代码如下：

import re
import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'paths.modified': [
        "{'/user/withdraw/lnurl': {'GET': ...}, 'operations': 'xxx'}",
        "{'/{tenant}/forwarders/v2beta1/certificates': {'POST': ...}, 'added': 'yyy'}"
    ]
})

# 提取符合要求的路径
df['extracted_paths'] = df['paths.modified'].apply(
    lambda x: re.findall(r"'\/[A-Za-z0-9\-{}\/]*'", x)
)

执行后，extracted_paths列只会保留目标API路径，不会包含'operations'、'added'等无关内容。

进阶优化（可选） #

如果需要确保路径中的{}是合法的变量占位符（成对出现），可以进一步细化正则：

r"'\/(?:[A-Za-z0-9\-\/]|{[A-Za-z0-9\-]+})*'"

这个版本会限制{}内部只能是字母、数字和连字符，避免匹配格式错误的占位符。

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