Python正则匹配最长子串：解决re.search优先短匹配问题

问题根源 #

正则表达式里的分支运算符 | 是左优先匹配的——它会从左到右检查每个分支，只要找到第一个能匹配的子串就立刻停止，不会继续往后找更长的匹配。所以当你的子串列表是 ['ABC', 'ABCDE'] 时，正则模式变成 (ABC|ABCDE)，匹配 xyzABCDExyz 时，ABC 先被匹配到，就直接返回结果了，不会再考虑后面更长的 ABCDE。

优雅解决方案：自动按长度从长到短排序子串 #

不用手动调整子串顺序，我们可以通过代码自动把长的子串排在前面，这样正则会优先尝试匹配更长的选项，完美解决问题。

代码示例 #

import re

substrings = ['ABC', 'ABCDE']
# 按子串长度倒序排序，长的在前
sorted_substrings = sorted(substrings, key=lambda x: -len(x))
# 构建正则模式
pattern = re.compile(r'(%s)' % '|'.join(sorted_substrings))

# 测试匹配
test_str1 = 'xyzABCxyz'
match1 = pattern.search(test_str1)
print(match1.group())  # 输出 ABC

test_str2 = 'xyzABCDExyz'
match2 = pattern.search(test_str2)
print(match2.group())  # 输出 ABCDE

为什么这个方案优雅？ #

• 完全自动化，不用手动维护子串顺序，哪怕后续新增子串也不用操心顺序问题
• 逻辑清晰，通过排序确保最长匹配优先，符合你的需求
• 对于纯字面量的子串匹配，这是最高效的解决方案之一（因为排序只做一次，正则匹配的性能不受影响）

额外注意：如果子串包含正则元字符？ #

如果你的子串里有 .、* 这类正则特殊字符，记得先用 re.escape() 转义，避免意外的正则行为：

sorted_substrings = sorted(substrings, key=lambda x: -len(x))
escaped_substrings = [re.escape(s) for s in sorted_substrings]
pattern = re.compile(r'(%s)' % '|'.join(escaped_substrings))

内容的提问来源于stack exchange，提问作者Anna