Python正则表达式中*与?量词匹配结果相同的疑惑求解

首先明确两个常见的正则字符集误用问题：

• [doctor]是字符匹配集，代表匹配d/o/c/t/r中的任意单个字符，不是匹配完整的doctor单词
• ['s]同样是字符匹配集，代表匹配单引号'或者字母s中的任意单个字符，不是匹配字符串's

原正则 [doctor]+['s]* 匹配逻辑 #

原测试字符串为："doctor doctors doctor's"，三个目标片段用空格分隔，空格不属于上述两个字符集的匹配范围，因此匹配会按片段拆分处理：

1. 前缀[doctor]+为贪婪匹配，会尽可能匹配1个及以上符合要求的字符，刚好可以匹配每个片段开头的doctor部分
2. 后缀['s]*代表匹配0次或多次'/s字符：
   • 第一个片段doctor后无符合字符，后缀匹配0次，最终匹配结果为doctor
   • 第二个片段doctors后有1个s，后缀匹配1次，最终匹配结果为doctors
   • 第三个片段doctor's后有'和s两个符合字符，后缀匹配2次，最终匹配结果为doctor's
     最终得到3个不重叠的匹配结果，和运行结果一致。

修改后正则 [doctor]+['s]? 匹配逻辑 #

后缀的?代表匹配0次或1次符合要求的字符，前缀匹配逻辑和上述完全一致：

1. 第一个片段doctor后无符合字符，后缀匹配0次，最终匹配结果为doctor
2. 第二个片段doctors后有1个s，后缀匹配1次，最终匹配结果为doctors
3. 第三个片段doctor's后第一个符合字符是'，后缀匹配1次，最终匹配结果为doctor'，剩余的s不属于[doctor]的匹配范围，无法触发新的前缀匹配，不会产生额外的匹配项
   因此最终依然得到3个不重叠的匹配结果。

符合注释需求的正确写法 #

如果需要准确匹配doctor、doctors、doctor's三种形式，应该避免字符集的误用，正确写法如下：

regex = re.compile(r"doctor(?:'s|s)?")

该正则的逻辑是匹配完整的doctor字符串，后接可选的's或者s后缀，匹配结果完全符合需求。

内容的提问来源于stack exchange，提问作者Max Taylor-Hayden