Python正则如何匹配首个完整地址后停止并返回正确结果

问题根因 #

原正则末尾添加了$锚点，强制要求匹配到字符串结束位置，哪怕开启非贪婪模式，正则引擎也会为了满足整串匹配的规则持续向后扫描、回溯，无法在第一个门牌号位置终止。直接在表达式末尾加(.*?)失效也是同样的原因——锚点规则优先级高于非贪婪的最短匹配逻辑。

修正后正则 #

import re
addr_re = re.compile(
    r'^([A-Za-zÄäÖöÜüß\s\d.-]+?)\s*(\d+\s*(?:[-+/]\s*\d+)?\s*[A-Za-z]?(?:-[A-Za-z])?)'
)

匹配逻辑说明 #

• 移除了原正则末尾的$锚点，正则扫描到符合「街道名称+标准门牌号」规则的片段后会自动终止匹配，不会继续读取后续的附加内容
• 调整门牌号匹配规则：强制门牌号以数字开头，避免将街道名称中的字符、后缀符号误判为门牌号组成部分
• 原生支持所有标准门牌号格式：连字符/斜杠/加号连接的多门牌号、门牌号后缀大小写字母、字母后缀范围

测试效果 #

所有样本的匹配结果完全符合预期：

• 输入Berliner Str. 74 → 输出Berliner Str. 74
• 输入Hindenburgdamm 27, Hygiene-Institut → 输出Hindenburgdamm 27（遇逗号自动截断，不匹配后续机构名）
• 输入Peschkestr. 5a/Holsteinische Str. 44 → 输出Peschkestr. 5a（遇斜杠自动截断，不匹配后续第二个地址）
• 输入Lankwitzer Str. 13-17a → 输出Lankwitzer Str. 13-17a
• 输入Fidicinstr. 15A → 输出Fidicinstr. 15A
• 输入Haudegen Weg 15/17 → 输出Haudegen Weg 15/17
• 输入Johanna-Stegen-Strasse 14a-d → 输出Johanna-Stegen-Strasse 14a-d
• 输入Friedrichshaller Str. 7 → 输出Friedrichshaller Str. 7
• 输入Südwestkorso 9 → 输出Südwestkorso 9

调用示例 #

直接使用match()方法从字符串起始位置匹配即可，取匹配结果的完整分组值：

test_list = [
    "Berliner Str. 74",
    "Hindenburgdamm 27, Hygiene-Institut",
    "Peschkestr. 5a/Holsteinische Str. 44",
    "Lankwitzer Str. 13-17a",
    "Fidicinstr. 15A",
    "Haudegen Weg 15/17",
    "Johanna-Stegen-Strasse 14a-d",
    "Friedrichshaller Str. 7",
    "Südwestkorso 9"
]

for item in test_list:
    match_res = addr_re.match(item)
    if match_res:
        print(match_res.group(0))

注意：非贪婪模式的「最短匹配」特性，仅在没有更高优先级锚点规则约束时生效。如果正则中存在$这类要求匹配到串尾的锚点，引擎会优先满足锚点规则，非贪婪模式不会按预期截断结果。

内容的提问来源于stack exchange，提问作者oddbook