使用re.search匹配多语言文件标记，递增字典值失败求排查

核心错误原因 #

1. re.search()返回值类型不匹配：re.search()成功匹配时返回的是Match对象，不是字符串，直接用==和字符串（比如'lang=\"de\"'）比较永远不会成立，这就是字典数值始终不变的根本原因。
2. 正则表达式存在缺陷：原正则r'\blang=\".*\"\B'里的.*是贪婪匹配，会从第一个双引号匹配到该行最后一个双引号，可能捕获多余内容；\B非单词边界的限制也可能导致匹配失效。

修复方案 #

推荐用正则分组直接捕获语言代码，避免冗余的字符串比较，代码更简洁高效：

import re
import sys

lang_freq = {'de':0, 'fr':0, 'it':0, 'rm': 0, 'en': 0, 'ch-de': 0}
filename = sys.argv[1]

# 用with语句自动管理文件资源，避免遗漏关闭
with open(filename, "r") as infile:
    for line in infile:
        # 正则分组捕获lang属性中的语言代码，支持带连字符的如ch-de
        match_result = re.search(r'lang="([a-z-]+)"', line)
        if match_result:
            lang_code = match_result.group(1)
            # 检查语言代码是否在目标字典中，避免KeyError
            if lang_code in lang_freq:
                lang_freq[lang_code] += 1

print(lang_freq)

关键调整说明 #

• 改用with open(...)语法：自动处理文件打开/关闭流程，比手动调用close()更安全可靠。
• 优化正则表达式：r'lang="([a-z-]+)"'通过括号精准捕获双引号内的语言代码，避免过度匹配。
• 先判断匹配结果是否存在：避免None对象调用group()方法引发报错。
• 直接用语言代码更新字典：无需多次if判断，逻辑更简洁。

关于==判断的疑问 #

不能直接用==比较re.search()返回的Match对象和字符串，两者类型完全不同。如果一定要保留原有的多if判断逻辑，需要先通过match_result.group()获取匹配到的完整字符串，再做比较（仅作示例，不推荐这种冗余写法）：

match_result = re.search(r'lang=".*?"', line)  # 用非贪婪匹配.*?避免过度捕获
if match_result:
    match_str = match_result.group()
    if match_str == 'lang="de"':
        lang_freq['de'] +=1
    elif match_str == 'lang="fr"':
        lang_freq['fr'] +=1
    # 其他语言判断...

内容的提问来源于stack exchange，提问作者mbcr