如何优化正则实现按最大长度识词分割字符串且不含前导空格

方案1：调整正则表达式 #

修改原正则，确保匹配的子串从非空格字符起始，避免前导空格：

(?<!\S)\w+(?:\s+\w+){0,}?(?<=.{20,})(?=\s)|(?<!\S).{1,20}(?=\s)|(?<!\S).+$

规则说明： #

• (?<!\S)：限定匹配起始位置为字符串开头或空格之后，从根源避免前导空格
• \w+(?:\s+\w+){0,}?(?<=.{20,})(?=\s)：匹配长度≥20字符的完整单词序列，仅在空格处截断
• (?<!\S).{1,20}(?=\s)：匹配长度不足20字符、可在空格处截断的片段
• (?<!\S).+$：匹配最后一段剩余内容

方案2：匹配结果后处理 #

若不想修改正则，可直接对匹配结果做去空格处理，以Python代码为例：

import re
input_text = "this is an input example of one sentence that contains a bit of words and must be split"
split_pattern = re.compile(r'\b[\w\s]{20,}?(?=\s)|.+$')
cleaned_result = [segment.strip() for segment in split_pattern.findall(input_text) if segment.strip()]

执行后得到的结果即为：

[
  "this is an input example",
  "of one sentence that",
  "contains a bit of words",
  "and must be split"
]

内容的提问来源于stack exchange，提问作者OfirD