Python正则表达式反向引用模式未匹配最后空字符串的原因

我们用两个正则模式测试字符串"11"时出现了不符合预期的结果：

• 模式(1)?的findall输出符合预期：['1', '1', '']，包含末尾的空字符串
• 模式(1)?\1的findall输出却只有['1']，没有预期的末尾空字符串

测试代码 #

import re

pattern = "(1)?"
string = "11"
print("findall_no_reference: ", [match for match in re.findall(pattern, string)])

pattern = "(1)?\\1"
string = "11"
print("findall_with_reference: ", [match for match in re.findall(pattern, string)])

实际输出 #

findall_no_reference:  ['1', '1', '']
findall_with_reference:  ['1']

核心原因：正则引擎的空匹配防循环规则 + 匹配位置推进逻辑 #

先看(1)?的匹配过程

(1)?表示可选匹配一个'1'，正则引擎的执行步骤：

1. 在位置0匹配到'1'，捕获组内容为'1'，引擎推进到位置1，记录该结果
2. 在位置1匹配到'1'，捕获组内容为'1'，引擎推进到位置2，记录该结果
3. 在位置2（字符串末尾），没有字符可匹配，(1)?匹配空字符串，捕获组内容为''，此时引擎尝试推进位置但已到末尾，结束匹配，记录该空结果

因此最终得到['1', '1', '']。

再看(1)?\1的匹配过程

(1)?\1的逻辑是：先可选匹配'1'（捕获到组1），然后反向引用组1的实际匹配内容（而非模式本身）：

1. 初始位置0：
   • (1)?匹配到位置0的'1'，组1内容为'1'
   • \1需要匹配和组1相同的'1'，刚好位置1的字符是'1'，匹配成功
   • 整个模式匹配了从0到2的"11"，引擎推进到位置2，记录组1的内容'1'
2. 位置2（字符串末尾）：
   • (1)?匹配空字符串，组1内容为''
   • \1匹配空字符串，理论上整个模式可以匹配空
   • 但此时上一次匹配结束的位置就是2，这次空匹配的起始和结束位置完全相同，没有推进任何位置。为了避免无限循环（引擎会一直尝试在同一位置匹配空字符串），Python的re模块会直接忽略这种重复的同位置空匹配，因此不会将这个空结果加入findall的输出。

补充说明：(1)?\1无法在位置1单独匹配，因为位置1的(1)?匹配'1'后，\1需要再匹配一个'1'，但位置1之后没有字符，匹配失败。

内容的提问来源于stack exchange，提问作者stackbiz