Python含数字驼峰转大写蛇形的正则表达式问题排查

问题场景 #

编写了Python方法通过正则将驼峰式字符串转为大写蛇形命名（screaming snake case），要求在大小写变化处、非数字与数字字符之间插入下划线，但测试出现不符合预期的结果：

• 输入vn3b返回VN3B，预期为VN_3_B
• 输入vnRbb250V返回VN_RBB_250V，预期为VN_RBB_250_V

原实现代码：

import re

def camel_to_screaming_snake(value):
    return '_'.join(re.findall('[A-Z][a-z]+|[0-9A-Z]+(?=[A-Z][a-z])|[0-9A-Z]{2,}|[a-z0-9]{2,}|[a-zA-Z0-9]'
                                        , value)).upper()

正则表达式的核心问题 #

当前正则的分支匹配逻辑存在三个关键缺陷：

1. 分支优先级导致范围过度匹配：正则分支按顺序匹配，[a-z0-9]{2,}会把连续的小写字母+数字（比如vn3）整体匹配，不会拆分为vn和3；同理[0-9A-Z]{2,}会把250V整体匹配，使得数字和后面的大写字母无法拆分。
2. 未明确区分数字与字母的边界：原正则没有单独处理数字与字母相邻的场景，无法在两者之间插入下划线。
3. 末尾单个大写字母的匹配遗漏：字符串末尾的单个大写字母（比如vnRbb250V中的V）会被前面的[0-9A-Z]{2,}分支包含，导致无法单独拆分出来。

修正方案 #

方案一：分步插入下划线（逻辑更清晰） #

换一种思路，先在需要拆分的位置插入下划线，再统一转大写：

import re

def camel_to_screaming_snake(value):
    # 小写转大写的位置前插入下划线
    temp = re.sub(r'([a-z])([A-Z])', r'\1_\2', value)
    # 非数字与数字相邻处插入下划线
    temp = re.sub(r'([^\d])(\d)', r'\1_\2', temp)
    # 数字与非数字相邻处插入下划线
    temp = re.sub(r'(\d)([^\d])', r'\1_\2', temp)
    # 转为大写
    return temp.upper()

测试验证：

• 输入vn3b → 输出VN_3_B
• 输入vnRbb250V → 输出VN_RBB_250_V

方案二：调整正则分支（基于findall实现） #

重新设计正则分支，确保每个需要拆分的单元被单独匹配：

import re

def camel_to_screaming_snake(value):
    return '_'.join(re.findall(
        r'[A-Z][a-z]+|\d+|[A-Z]|[a-z]+',
        value
    )).upper()

分支逻辑说明：

• [A-Z][a-z]+：匹配大写开头后跟连续小写的组合（如Rbb）
• \d+：匹配连续数字（如250）
• [A-Z]：匹配单个大写字母（如V）
• [a-z]+：匹配连续小写字母（如vn）

内容的提问来源于stack exchange，提问作者work89