本文介绍一种比正则表达式更清晰、可靠的方法——利用 strings.fields 配合逻辑遍历，精准提取字符串中由单个字母或数字加空格构成的连续序列（如 "b y c 3 0 1 8 4 1 4"）。
本文介绍一种比正则表达式更清晰、可靠的方法——利用 strings.fields 配合逻辑遍历，精准提取字符串中由单个字母或数字加空格构成的连续序列（如 "b y c 3 0 1 8 4 1 4"）。
在处理类似 "2001 970451 4 l 97 0451 iver b y c 3 0 1 8 4 1 4 hundred..." 的字符串时，目标是捕获所有连续出现的单字符（a–z、0–9）段，即每个 token 长度均为 1，且彼此以空格分隔。这类模式看似可用正则（如 \b[a-z0-9]\s+\b）匹配，但实际极易出错：\b 在空格边界行为不稳定；重复量词（如 ([a-z0-9]\s?)+）难以精确控制“严格单字符+单空格”的交替结构；且无法自然分组为独立序列。
因此，推荐采用语义化分词 + 状态累积策略：先用 strings.Fields 拆解原始字符串（自动压缩连续空格、剔除首尾空白），再线性扫描 tokens，将连续长度为 1 的 token 归为一组，遇到非单字符 token 时切分并保存当前组。
以下是完整实现：
package main
import (
"fmt"
"strings"
)
// CaptureGroups 提取所有连续的单字符token序列
// 返回二维切片，每个子切片代表一个匹配的字符序列（如 []string{"b", "y", "c", "3"}）
func CaptureGroups(input string) [][]string {
fields := strings.Fields(input)
var result [][]string
var currentGroup []string
for _, field := range fields {
if len(field) == 1 && (field[0] >= 'a' && field[0] <= 'z' || field[0] >= '0' && field[0] <= '9') {
currentGroup = append(currentGroup, field)
} else {
if len(currentGroup) > 0 {
result = append(result, currentGroup)
currentGroup = nil // 重置，避免引用残留
}
}
}
// 扫描结束后检查末尾是否仍有未提交的组
if len(currentGroup) > 0 {
result = append(result, currentGroup)
}
return result
}
func main {
input := "2001 970451 4 l 97 0451 iver b y c 3 0 1 8 4 1 4 hundred 2001 970451 nama 4 l 97 0451 iver hundred blah"
groups := CaptureGroups(input)
fmt.Println("Detected single-character sequences:")
for i, g := range groups {
fmt.Printf("Group %d: %q\n", i+1, g)
}
}输出示例：
Detected single-character sequences: Group 1: ["l"] Group 2: ["b", "y", "c", "3", "0", "1", "8", "4", "1", "4"] Group 3: ["l"]
✅ 关键优势说明：
- 健壮性高：不受多余空格、制表符或换行干扰（strings.Fields 自动标准化）；
- 逻辑清晰：状态管理（currentGroup）显式表达“累积→切分”意图，易于调试和扩展；
- 可扩展性强：如需支持大写字母，仅需调整判断条件（unicode.IsLetter(rune(field[0])) || unicode.IsDigit(rune(field[0]))）；
- 性能优秀：O(n) 时间复杂度，无回溯风险，远胜复杂正则引擎。
⚠️ 注意事项：
- 原始答案中 group = make([]string, 0) 可优化为 group = nil，避免底层数组残留引用；
- 若需保留原始空格位置（如精确索引定位），则应改用 regexp.FindAllStringIndex 配合自定义模式，但本场景语义分词已足够；
- 切勿使用 \s+ 类正则贪婪匹配——它无法区分 "b y c"（目标）与 "byc"（非目标），而字段化天然保证 token 粒度。
综上，面对“连续单字符空格序列”这类结构化文本提取任务，优先选择标准库的语义解析能力，而非过度依赖正则——简洁、可读、可控，才是工程实践的最优解。
