Python路径正则可选匹配：如何捕获可选前缀与指定字段分组

原有正则的核心问题 #

• 第一部分(.*)/使用了贪婪匹配逻辑，.*会尽可能吞掉更多字符，直到匹配到字符串中最后一个/的位置，会把bee.horse_2021所在层级之前的所有路径甚至中间层级全部吃掉，导致第二分组无法正确定位到bee.horse，只会匹配到路径末尾的文件名部分，完全不符合预期。
• 没有覆盖bee.horse后紧跟的_2021这类后缀，原有第二分组仅匹配字母.字母结构，匹配完成后没有处理该片段剩余的_数字内容，进一步导致匹配错位。

修正方案 #

仅捕获单层前缀（样例中的tree属于单层前缀） #

如果第一分组只需要捕获最顶层的单级前缀，使用如下正则：

path_regex = r'^(?:([^/]+)/)?([a-zA-Z]+\.[a-zA-Z]+)_[^/]+/.*$'

规则说明：

• ^(?:([^/]+)/)?：可选匹配开头的单级前缀，[^/]+保证只匹配不含/的第一层目录，存入第一分组，无前缀时第一分组为空
• ([a-zA-Z]+\.[a-zA-Z]+)：捕获bee.horse这类字母.字母结构，存入第二分组
• _[^/]+/.*$：匹配bee.horse后的_数字后缀，以及后续任意长度的路径内容，保证整体匹配完整

支持捕获多层前缀 #

如果前缀可能是多级目录（如a/b/c/bee.horse_2021/xxx），需要将所有前置路径存入第一分组，使用如下正则：

path_regex = r'^(?:(.*)/)?([a-zA-Z]+\.[a-zA-Z]+)_[^/]+/.*$'

该场景下第一分组会捕获到多级前缀a/b/c。

匹配测试结果 #

对给出的三个样例路径匹配结果如下：

内容的提问来源于stack exchange，提问作者user106745