Python正则表达式\b（单词边界）匹配行为及匹配实现问题

Python标准库re和第三方regex库中的\b是单词边界，并非通用的词元边界，判断逻辑完全围绕「单词字符」的分界展开，属于零宽断言（不匹配实际字符，仅标记符合规则的位置）：

• 单词字符定义：默认模式下匹配\w的字符，包含大小写英文字母、数字、下划线_
• \b仅在以下三类位置生效：
  • 字符串开头，且第一个字符为单词字符
  • 字符串结尾，且最后一个字符为单词字符
  • 相邻两个字符分属「单词字符」和「非单词字符」的中间位置

上述测试场景的结果差异完全符合这个规则：

• 当Commons后接逗号,时：末尾的s是单词字符，逗号是非单词字符，二者中间刚好是单词边界，因此r'\bHouse of Commons\b'可以匹配成功，返回结果截止到s，不会包含后面的逗号
• 当Commons后接数字9时：s和9都属于单词字符，二者中间不存在分界，末尾的\b匹配失败，因此返回空列表。

需求核心是保证House of Commons作为独立术语出现（不匹配前面粘连其他字母/数字/下划线的场景，如MyHouse of Commons），无论后续跟随逗号、感叹号、星号、数字等任何字符，都能得到预期匹配结果。直接使用如下正则模式即可：

regex_pat = r'\bHouse of Commons\S*'

模式说明：

• 开头的\b保留单词边界判断，保证术语开头独立，避免匹配到粘连在其他长字符串中的片段
• 固定匹配House of Commons核心术语
• 末尾的\S*表示匹配0个或多个连续非空白字符，会自动捕获术语后紧跟的所有连续非空白内容，直到遇到空格、换行等空白分隔符或字符串结束。

针对列出的所有场景测试，返回结果完全符合预期：

• 文本片段为...House of Commons：返回['House of Commons']
• 文本片段为...House of Commons,：返回['House of Commons,']
• 文本片段为...House of Commons!：返回['House of Commons!']
• 文本片段为...House of Commons*：返回['House of Commons*']
• 文本片段为...House of Commons9：返回['House of Commons9']

如果只需要匹配核心术语本身，不需要捕获后面跟随的字符，去掉末尾的\S*、同时删除原模式末尾的\b即可，模式写为r'\bHouse of Commons'，所有场景下都会固定返回['House of Commons']。

内容的提问来源于stack exchange，提问作者Akbar Hussein