如何使用Regex分割存在可选下划线分隔符且可能缺失分隔符的字符串

核心思路 #

你给出的三个拆分段本身有明确的固定格式规则，不需要依赖下划线作为分割标记，直接用正则捕获分组即可兼容下划线缺失的场景。

正则规则说明 #

使用的正则表达式为 ^([a-z]{3})_?([a-z]{2})_?([a-z]\d{3,4})$，各部分含义：

• ^ 匹配字符串开头
• ([a-z]{3}) 第一捕获组，匹配前3个固定小写字母，对应拆分结果p1
• _? 匹配0个或1个下划线，兼容第一个下划线丢失的情况
• ([a-z]{2}) 第二捕获组，匹配2个小写字母，对应拆分结果p2
• _? 匹配0个或1个下划线，兼容第二个下划线丢失的情况
• ([a-z]\d{3,4}) 第三捕获组，匹配「字母开头+3~4位数字」的后缀，对应拆分结果p3
• $ 匹配字符串结尾，确保整个字符串符合规则

调整后完整代码 #

import re

def split_target_str(s):
    pattern = r'^([a-z]{3})_?([a-z]{2})_?([a-z]\d{3,4})$'
    match_result = re.match(pattern, s)
    if not match_result:
        print(f'DATA CORRUPTION - {s}')
        return '', '', ''
    return match_result.groups()

# 测试用例
test_cases = [
    'newtt_j123',
    'new_tt_j1213',
    'newttj1213',
    'new_ttj1213'
]

for str_t in test_cases:
    p1, p2, p3 = split_target_str(str_t)
    if p1:
        print(p1, p2, p3, str_t)

运行输出 #

new tt j123 newtt_j123
new tt j1213 new_tt_j1213
new tt j1213 newttj1213
new tt j1213 new_ttj1213

内容的提问来源于stack exchange，提问作者Toly