如何用Python正则提取字符串开头属于指定列表的所有起始单词

原代码的问题出在正则表达式的构造逻辑上：'\s*|'.join(p)生成的规则会把空格和单词的匹配逻辑混在一起，导致无法正确捕捉后续的列表单词。以下是修正方案：

修正后的代码 #

import re

p = ['horse', 'pig', 'cow']
f = "cow horse this"

# 转义单词避免正则特殊字符干扰
escaped_words = [re.escape(word) for word in p]
# 构造匹配规则：开头的列表单词 + 任意个(空格+列表单词)
pattern = rf"^({'|'.join(escaped_words)})(?:\s+({'|'.join(escaped_words)}))*"
match_result = re.search(pattern, f)

if match_result:
    print(match_result.group())  # 输出：cow horse

关键改动说明 #

• 转义单词：用re.escape处理列表中的单词，避免单词包含正则特殊字符（如.、*）时匹配出错。
• 正则结构优化：
  • ^锚定字符串开头
  • 先匹配一个列表内的单词
  • (?:\s+...)是非捕获组，匹配后续的「空格+列表单词」组合，*表示可以出现0次或多次
• 这个规则会精准匹配开头连续的所有列表内单词，直到遇到第一个不属于列表的单词为止。

原代码问题解析 #

原代码中'\s*|'.join(p)生成的规则类似horse\s*|pig\s*|cow，这种写法会让正则优先匹配空字符或空格，而非正确的单词序列；同时分组逻辑没有串联后续的有效单词，因此只能提取到第一个匹配项。

内容的提问来源于stack exchange，提问作者JFerro