如何使用正则表达式提取除首字符为S的子串外的全部字符串内容

方案1：使用re.sub（最优实现） #

你当前采用的re.sub逻辑本身就是处理「移除指定匹配内容、保留其余全部文本」需求的最优解，只需要补充单词边界标记\b，避免误删单词中间包含S的内容，确保只匹配独立单词首字母为S的子串：

import re
string = '"General Slocum" 15 June 1904 East River _ human factor %_ %& 4'
# \b 匹配单词边界，确保S是单词首字符
result = re.sub(r'\bS\w+', '', string)
print(result)
# 输出结果："General " 15 June 1904 East River _ human factor %_ %& 4

方案2：使用re.findall的正确正则 #

如果必须用re.findall实现需求，正则需要覆盖「所有不以S开头的单词」和「所有非单词类字符（符号、空格、数字等）」两类内容，写法如下：

import re
string = '"General Slocum" 15 June 1904 East River _ human factor %_ %& 4'
# 规则说明：\b(?!S)\w+\b 匹配不以S开头的完整单词；[^\w]+ 匹配所有非单词字符
match_list = re.findall(r'\b(?!S)\w+\b|[^\w]+', string)
# 拼接所有匹配片段得到最终结果
result = ''.join(match_list)
print(result)
# 输出结果："General " 15 June 1904 East River _ human factor %_ %& 4

原错误代码问题说明 #

你之前写的[^ S\w+][\w\%\d\&\.]+存在逻辑缺陷：

• 开头的[^ S\w+]是反向排除集合，会匹配既不是空格、S，也不是单词字符、加号的字符，直接排除了绝大多数合法单词的首字符
• 后续的字符匹配集合没有覆盖所有可能的符号类型，导致大量内容漏匹配

内容的提问来源于stack exchange，提问作者nadav_n