匹配英文缩写字的正则表达式失效，求排查解决

首先，你的正则表达式失效的核心原因是**re.findall的行为特性**：当正则表达式中包含捕获组（即带括号的部分）时，findall会优先返回捕获组的匹配结果，而不是整个正则匹配的完整内容。

看你的正则\w+(\'\w+)?|[!-~]：

• 第一个分支\w+(\'\w+)?里有一个捕获组(\'\w+)，用来匹配缩写里的撇号和后续字符（比如can't里的't）。当匹配普通单词（比如This）时，这个捕获组没有匹配到任何内容，所以findall会返回空字符串；
• 第二个分支[!-~]虽然没有捕获组，但因为整个正则存在捕获组，findall依然会遵循“优先返回捕获组”的逻辑——当匹配到标点时，捕获组没有内容，所以也返回空字符串；
• 只有当匹配到can't这类缩写时，捕获组会匹配到't，这时候findall才会返回't，而不是完整的can't。

修复方案 #

把捕获组改成非捕获组（用(?:...)代替(...)），这样findall就会返回整个正则匹配的完整内容，而不是捕获组的结果：

import re
result = re.findall(r"\w+(?:\'\w+)?|[!-~]", "This is a test. Lulz another sentence. This can't be real.")
print(result)

运行这段代码，你会得到预期的结果：

['This', 'is', 'a', 'test', '.', 'Lulz', 'another', 'sentence', '.', 'This', "can't", 'be', 'real', '.']

额外优化建议 #

你的[!-~]匹配的是所有ASCII可打印非空格字符，虽然能覆盖标点，但可能会匹配到一些你不需要的字符（比如@、#等）。如果只需要匹配常见的句子标点，可以把这个分支改成更精准的范围，比如：

re.findall(r"\w+(?:\'\w+)?|[.,!?;:'\"]", 你的文本)

内容的提问来源于stack exchange，提问作者Dwagner