本文介绍一种高效、简洁的正则表达式方案，用于将 PascalCase 字符串（如 "Hello123AIIsCool"）准确切分为 ["Hello", "123", "AI", "Is", "Cool"]，满足数字连续保留、大写字母缩写识别及大小写边界正确分割等核心需求。
本文介绍一种高效、简洁的正则表达式方案，用于将 pascalcase 字符串（如 `"hello123aiiscool"`）准确切分为 `["hello", "123", "ai", "is", "cool"]`，满足数字连续保留、大写字母缩写识别及大小写边界正确分割等核心需求。
在处理 PascalCase（驼峰式大写）标识符时，常见的字符串分割逻辑需兼顾语义与规则：既要识别以大写字母开头的单词（如 "Hello"、"Is"、"Cool"），又要保留连续数字（如 "123"），还要合理处理全大写缩写——关键在于区分“独立大写缩写”与“单词首字母”。例如 "AIIsCool" 中 "AI" 是缩写，应整体保留；而 "Is" 的 "I" 是新单词的首字母，不能并入前一个大写序列。
核心难点在于：标准正则无法直接“回看”上下文，但可通过前瞻断言（lookahead） 精确控制匹配边界。原 v1 方案中 r"[A-Z][A-Z]*" 会贪婪匹配所有连续大写字母（如 "AII"），导致 "AIIsCool" 错误切分为 ["AII", "Cool"]。修正的关键是添加负向前瞻 (?![a-z])，确保大写序列不后接小写字母——即只匹配“真正结尾的大写块”，而非“大写块+小写首字母”的前半部分。
✅ 正确正则模式如下：
import re
def split_pascal_case(text: str) -> list[str]:
pattern = r"[A-Z][a-z]+|\d+|[A-Z]+(?![a-z])"
return re.findall(pattern, text)
# 测试用例
print(split_pascal_case("Hello123AIIsCool")) # ['Hello', '123', 'AI', 'Is', 'Cool']
print(split_pascal_case("ABCat")) # ['AB', 'Cat']
print(split_pascal_case("123AI")) # ['123', 'AI']
print(split_pascal_case("XMLParser")) # ['XML', 'Parser']
print(split_pascal_case("SimpleHTTPServer")) # ['Simple', 'HTTP', 'Server']
? 模式详解：
- [A-Z][a-z]+：匹配“大写开头 + 至少一个小写”的完整单词（如 "Hello", "Is", "Cool"）；
- \d+：匹配连续数字（如 "123"），天然满足“不拆分”要求；
- [A-Z]+(?![a-z])：匹配一个或多个大写字母，且其后不紧跟小写字母——这是关键！它让 "AIIs" 中的 "AI" 被捕获（因 'I' 后是 'I'，非小写），而 "Is" 的 'I' 不被此处匹配（因 'I' 后是 's'，属小写），从而留给第一个子模式捕获。
⚠️ 注意事项：
- 该模式依赖 re.findall 的从左到右、最长优先（greedy）匹配机制，各子模式顺序不可随意调换。若将 [A-Z]+(?![a-z]) 放在最前，可能过早截断本应属于 [A-Z][a-z]+ 的单词（如 "Is" 可能被误判为 "I" + "s"）；
- 它不处理下划线、空格或特殊符号；如需支持混合命名（如 "My_API_v2"），需扩展模式或预清洗；
- 对极端情况如单个大写字母后接小写（"Xyz"）仍能正确产出 ["Xyz"]，符合“单词以大写开头”的前提。
✅ 总结：无需循环或状态维护，一条精心设计的正则即可优雅解决 PascalCase 拆分问题。[A-Z]+(?![a-z]) 是点睛之笔——它用零宽断言实现了语义感知，使正则从“字符匹配工具”升级为“结构识别引擎”。
