Python正则表达式|运算符匹配顺序及匹配结果疑问

核心规则 #

Python regex库中，正则的分支（用|分隔的多个规则）是从左到右依次尝试匹配的，只要某个分支在当前位置匹配成功，就会直接选用这个结果，不再尝试后续分支。

你的案例分析 #

你的正则是r" ?\p{L}+|\s+"，拆成两个分支：

• 分支1： ?\p{L}+ → 匹配「可选的1个空格 + 至少1个Unicode字母」
• 分支2：\s+ → 匹配「1个或多个空白字符」

输入字符串是" s"（4个空格加s），引擎的匹配过程是这样的：

1. 从字符串开头（第1个空格的位置）尝试分支1：
   分支1要求空格后面必须跟字母，但当前位置后面连续3个都是空格，没有字母，所以分支1匹配失败。
2. 接着尝试分支2：开头的4个空格正好符合\s+的规则，匹配成功，得到结果" "。
3. 此时字符串剩下的部分是"s"，引擎从这个位置继续匹配：
   尝试分支1：这里没有空格，直接匹配\p{L}+（也就是s），匹配成功，得到结果"s"。

所以最终re.findall()返回的就是[" ", "s"]。

你觉得分支1应该匹配" s"，但那是在「单个空格紧跟字母」的场景下才成立。而你的输入中，空格是连续4个，前面的3个空格后面还是空格，根本满足不了分支1中「空格后必须跟字母」的要求，所以只能被分支2匹配。

复现代码 #

import regex as re

pat = re.compile(r" ?\p{L}+|\s+")
inputs = "    s"
print(re.findall(pat, inputs))  # 输出: ['    ', 's']

内容的提问来源于stack exchange，提问作者CoffeeCat