Python正则如何拆分无分隔符拼接字符串并提取所有匹配项

原正则失效原因 #

([A-Z0-9].*s)*([A-Z].*)+无法得到正确结果，核心问题有两个：

• 模式中.*为贪婪匹配规则，默认匹配尽可能长的符合条件的字符串，不会在第一个s[A-Z]分割点停止，直接将多个连续队名吞入同一个捕获组
• 未使用零宽断言标记分割位置，将下一个队名的首字母（大写）作为当前匹配段的边界，无法循环切分所有队名片段

正确正则实现 #

完全匹配预设的分割逻辑，同时兼容带空格的队名场景，正则写法如下：

import re
pattern = r'[A-Z0-9].*?s(?=[A-Z])|[A-Z0-9].*$'

规则说明 #

• 第一个匹配分支[A-Z0-9].*?s(?=[A-Z])：匹配从大写/数字开头，到s结束的片段；用.*?非贪婪匹配保证只匹配到最近的符合条件的s；正向先行断言(?=[A-Z])用来判断s后面紧跟大写字母（即到达队名分割点），且不会消耗这个大写字母，留给下一段匹配
• 第二个匹配分支[A-Z0-9].*$：匹配最后一个队名，从剩余片段的大写/数字开头一直匹配到字符串末尾
• 两个分支顺序不能调换，否则会提前匹配完所有剩余内容，导致分割失效

测试验证 #

对所有给定示例做测试：

test_cases = [
    'RangersIslandersDevils',
    '49ersRaiders',
    'Avalanche',
    'Red Wings',
    'RangersIslandersMolsDevil'
]

for case in test_cases:
    print(re.findall(pattern, case))

运行输出完全符合预期：

['Rangers', 'Islanders', 'Devils']
['49ers', 'Raiders']
['Avalanche']
['Red Wings']
['Rangers', 'Islanders', 'Mols', 'Devil']

注：该正则严格遵循给定的分割规则，如果后续存在队名本身包含s后紧跟大写字母的特殊场景，需要额外补充队名字典做校验修正。

内容的提问来源于stack exchange，提问作者meteque