如何改进正则表达式匹配无重复a/b/c字符并捕获重复前最长子串

需求说明 #

需要编写一个兼容PCRE、可同时在Python re环境运行的正则，实现单次匹配提取满足以下规则的最长子串：

• 子串仅由a/b/c三种字符构成
• 子串中不存在连续重复的相同字符
• 匹配截止到第一个连续重复字符出现的前一位，或字符串结尾

当前方案与问题 #

目前使用的正则为：

((a|b|c)(?!\2))+

该版本可正常匹配两类场景：

• 单个a/b/c字符
• 无连续重复的长序列如bcabca
  但存在匹配缺失问题：当序列结尾紧邻重复字符时（如测试串bcaa），现有正则仅能匹配到bc，无法包含最后一个有效字符a，期望匹配结果为bca。

问题原因 #

原正则的逻辑是要求每一个匹配到的字符后方都不能紧跟相同字符，这意味着最后一个有效字符的后方如果是重复字符，该字符的匹配会因为负向断言失败而被排除，导致匹配结果短于预期。

改进方案 #

使用以下正则即可实现需求，全兼容PCRE与Python re环境：

^(?=[abc])(?:([abc])(?!\1))*[abc]?

正则逻辑拆解 #

• ^：锚定字符串开头，确保从起始位置开始匹配最长有效前缀
• (?=[abc])：正向先行断言，确保匹配结果非空，且第一个字符必须是a/b/c
• (?:([abc])(?!\1))*：贪婪匹配0到多个满足“后方不紧跟相同字符”的a/b/c，这部分保证匹配到的内容没有连续重复字符，且停止位置的下一个字符要么是重复字符、要么是串尾
• [abc]?：可选匹配最后一个紧邻重复边界的有效字符，补上原正则漏掉的结尾有效位

匹配效果验证 #

• 测试串bcaa：匹配结果bca，符合预期
• 测试串aa：匹配结果a，符合预期
• 测试串abba：匹配结果ab，符合预期
• 测试串bcabca：匹配完整串bcabca，符合预期
• 测试串单个字符c：匹配结果c，符合预期

如果不需要锚定字符串开头，要在任意文本中查找第一个符合规则的最长连续子串，去掉开头的^锚点即可。

内容的提问来源于stack exchange，提问作者Stef500