Python re.findall如何提取已知前缀后长度未知的完整字符串？

原正则使用\w作为匹配规则，该元字符仅能匹配字母、数字、下划线三类字符，遇到目标模型名中的半角横杠-就会终止匹配，因此只能拿到横杠前的paraphrase片段。

根据使用场景可选两种方案：

• 固定字符集匹配（性能更高，适配已知模型名规则的场景）
  直接将半角横杠加入匹配字符集即可，代码如下：

  import re
  models = re.findall(r"sentence-transformers/([\w-]+)", text)
  

  该规则可以完整匹配由字母、数字、下划线、横杠组成的模型名，覆盖目前所有公开的sentence-transformers预训练模型命名格式。
• 边界匹配（适配性更强，适合HTML文本中混杂各类标签、特殊符号的场景）
  无需提前枚举模型名可能包含的字符，直接匹配到字符串自然边界即可，代码如下：

  import re
  models = re.findall(r"sentence-transformers/([^\s<>"'`]+)", text)
  

  该规则会匹配前缀之后所有不属于空白字符、HTML标签尖括号、引号的连续内容，即使后续模型名出现.、二级路径这类特殊字符也能正常提取，不会出现截断问题。

针对包含sentence-transformers/paraphrase-MiniLM-L6-v2的测试文本，上述两种写法均能正确提取完整的paraphrase-MiniLM-L6-v2字符串，不会出现仅返回首个片段的问题。

内容的提问来源于stack exchange，提问作者Ele