正则表达式匹配问题：转义分隔符不拆分字符串的修正方案

问题分析 #

你的正则表达式出现这个问题的核心原因是：原正则里的[^\s"'();|&]+部分没有排除反斜杠\，导致反斜杠会被当成普通字符被这部分匹配，而不是和后面的字符组成转义单元。比如在hello\;world中，hello\会被[^\s"'();|&]+匹配（因为\不在排除列表里），随后的;是你定义的分隔符，正则会在这里断开，剩下的world又被单独匹配，最终得到两个结果。

解决方案 #

只需要在非转义字符的匹配集合里加上反斜杠\（注意正则里要写成\\），修改后的正则如下：

r'''(?:[^\\\s"'();|&]+|\\.)+'''

验证效果 #

我们来测试你提到的例外场景：

import re
print(re.findall(r'''(?:[^\\\s"'();|&]+|\\.)+''', r'hello\;world'))
# 输出: ['hello\\;world']

完全符合你的预期。再验证其他示例：

• 输入"he(llo)(w|o rld)"，输出['he', 'llo', 'w', 'o', 'rld']
• 输入r"hello\-world"，输出['hello\\-world']
• 输入"hello;world "，输出['hello', 'world']

原理说明 #

修改后的正则分为两部分，通过(?:...|...)组成非捕获组并重复匹配：

1. [^\\\s"'();|&]+：匹配不包含反斜杠、空格和你定义的分隔符（"、'、(、)、;、|、&）的连续字符，确保反斜杠不会被单独匹配；
2. \\.：匹配任意转义字符（反斜杠加任意单个字符），包括转义后的分隔符，这部分会被当成一个整体，不会触发分隔。

这样整个正则就能正确识别转义后的分隔符，将其保留在同一个分词单元里，同时正常拆分未转义的分隔符。

内容的提问来源于stack exchange，提问作者user2064000