Python3正则表达式非贪婪匹配未达预期，如何获取目标结果？

原正则的两个核心问题 #

1. 错误使用HTML实体：你在正则的排除集合里写了>和<，这是HTML转义字符，不是正则能识别的>和<。这会导致排除集合额外包含&、g、t、l、;这些单个字符。启用非贪婪匹配+?时，匹配到第一个属于排除集合的字符就会停止——比如第一个facebook.com/后的h是允许的，但下一个字符t在排除集合里，所以只匹配到facebook.com/h；第二个facebook.com/后的t同样触发停止规则，得到facebook.com/t。
2. 匹配范围未限定：即使修正了排除集合，原正则会匹配所有facebook.com/开头的片段，而你需要的是最后一个出现的facebook.com/及其后续内容，原正则没有这个限制。

修正方案 #

方案一：用负向先行断言锁定最后一个匹配 #

这个方案直接确保匹配的facebook.com/后面不再出现另一个facebook.com/，精准命中目标：

import re
s = "facebook.com/https://www.facebook.com/test/"
result = re.findall(r"facebook\.com/(?!.*facebook\.com/).*", s)
print(result)  # 输出: ['facebook.com/test/']

• (?!.*facebook\.com/) 是负向先行断言，意思是：当前位置之后的所有内容里，不能再找到facebook.com/。这样正则只会匹配最后一个符合条件的片段。

方案二：用贪婪匹配捕获最后一个片段 #

利用.*的贪婪特性，先匹配到最后一个facebook.com/之前的所有内容，再捕获后面的部分：

import re
s = "facebook.com/https://www.facebook.com/test/"
result = re.findall(r".*(facebook\.com/.*)", s)
print(result)  # 输出: ['facebook.com/test/']

• .*会贪婪地吃掉前面所有字符，直到最后一个facebook.com/出现，然后捕获后面的整个片段。

修正原排除集合的基础版本（可选） #

如果你坚持要用排除字符集的方式，首先要把HTML实体替换成实际字符，再结合断言限制：

import re
s = "facebook.com/https://www.facebook.com/test/"
# 修正排除集合：把&>&<换成实际的>和<，去掉多余的HTML实体
result = re.findall(r"facebook\.com/(?!.*facebook\.com/)[^?\"'><&*\n\r\\ ]+", s)
print(result)  # 输出: ['facebook.com/test']

注意：这个版本会截断到第一个排除字符，如果你需要保留/，要确保/不在排除集合里。

内容的提问来源于stack exchange，提问作者Gary