正则表达式r'[1900-2023]+'为何无法匹配1900-2023范围内的年份？

嘿，我来帮你搞懂这个正则表达式的问题～

为什么会出现奇怪的输出？ #

你写的正则r'[1900-2023]+'根本不是在匹配1900到2023的年份，这里的核心误区是对**正则字符类（[]）**的理解错误：

• 字符类[1900-2023]的意思是：匹配单个字符，这个字符可以是 1、9、0，或者处于0-2范围的字符（也就是0、1、2），再或者2、3。总结下来，允许的单个字符是：0、1、2、3、9。
• 后面的+表示匹配一个或多个连续的符合条件的字符。

那回到你的文本：

• 2005里，前三个字符2、0、0都在允许的字符列表里，但第四个字符5不在，所以正则只匹配到200就截断了；
• 08里的0符合条件，单独被匹配，后面的8不符合，跳过；
• 2019的四个字符2、0、1、9都符合条件，所以被完整匹配。

这就是为什么输出是200、0、2019，而完整的2005没被匹配到。

正确匹配1900-2023年份的正则写法 #

要匹配四位数字且数值在1900到2023之间，我们需要分情况构建正则：

1. 匹配1900-1999：19\d{2}（以19开头，后面跟任意两位数字）
2. 匹配2000-2023：20(0\d|1\d|2[0-3])（以20开头，后面两位可以是00-09、10-19、20-23）

把这两部分用|合并，再加上单词边界\b（避免匹配到其他数字的一部分，比如12345里的2345），最终的正则可以写成：

import re

txt = 'Ted\'s date of birth is 5-6-2005 and he started college at 08-5-2019'
# 用非捕获组(?:...)避免findall返回冗余的分组内容
year_pattern = re.compile(r'\b(?:19\d{2}|20(?:0\d|1\d|2[0-3]))\b')
res = year_pattern.findall(txt)
for i in res:
    print(i)

运行这段代码，输出就是你预期的：

2005
2019

内容的提问来源于stack exchange，提问作者Mir Stephen