Python regex为何优先匹配长模糊匹配而非短精确匹配？

代码示例与实际结果 #

import regex
s = "vrhvydhvkzejjvksdlstringvhehvehvurejlcslvdk"  #待搜索字符串
p = ['(?P<string>string)', '(?P<longtext>longtext)']  #待匹配模式
r = regex.compile('(?b)(' + " | ".join(p) + '){s<=3}')  #允许最多3个错配的正则，返回最佳匹配
result = r.search(s)
print(result)
# 实际输出：<regex.Match object; span=(18, 25), match='stringv', fuzzy_counts=(1, 0, 0)>

预期结果 #

<regex.Match object; span=(18, 24), match='string', fuzzy_counts=(0, 0, 0)>

原因分析 #

1. 模糊匹配约束作用范围错误：你将{s<=3}应用在整个(string|longtext)分组上，而非每个单独的模式。这会让regex将整个分组作为模糊匹配单元，尝试匹配尽可能长的子串，哪怕需要引入错配。
2. 旧版regex库的匹配逻辑：在你使用的regex 2.5.115版本中，启用(?b)最佳匹配模式时，若存在多个候选匹配，会优先选择更长的匹配，而非错配数最少的精确匹配——哪怕精确匹配的错配数为0，只要更长的匹配错配数在允许范围内，就会被优先返回。

解决方案 #

方法1：将模糊匹配约束应用到每个独立模式 #

修改正则编译逻辑，把{s<=3}分别添加到每个模式后，确保每个模式单独执行模糊匹配，此时regex会优先选择错配数最少的精确匹配：

import regex
s = "vrhvydhvkzejjvksdlstringvhehvehvurejlcslvdk"
p = ['(?P<string>string){s<=3}', '(?P<longtext>longtext){s<=3}']
r = regex.compile('(?b)' + " | ".join(p))
result = r.search(s)
print(result)
# 输出：<regex.Match object; span=(18, 24), match='string', fuzzy_counts=(0, 0, 0)>

方法2：添加边界限制（可选） #

如果目标模式是独立子串（不会出现在其他长串内部），可以给每个模式添加单词边界\b，避免匹配包含目标模式的更长子串：

import regex
s = "vrhvydhvkzejjvksdlstringvhehvehvurejlcslvdk"
p = ['(?P<string>\bstring\b){s<=3}', '(?P<longtext>\blongtext\b){s<=3}']
r = regex.compile('(?b)' + " | ".join(p))
result = r.search(s)
print(result)

注意：若目标模式本身可能出现在单词中间，此方法不适用。

内容的提问来源于stack exchange，提问作者Agathe