Question

我正在使用python的re.findall方法在输入字符串中查找某些字符串值的出现。例如从“ABCdef”字符串中搜索，我有两个搜索要求。

从单一大写字母开始查找字符串。
1找到包含所有大写字母的字符串。

e.g。输入字符串和预期输出将是：

'USA' -- output: ['USA']
'BObama' -- output: ['B', 'Obama']
'Institute20CSE' -- output: ['Institute', '20', 'CSE']

所以我的期望来自

>>> matched_value_list = re.findall ( '[A-Z][a-z]+|[A-Z]+' , 'ABCdef' )

将返回['AB', 'Cdef']。

但这似乎并没有发生。我得到的是['ABC']作为返回值，它将正则表达式的后续部分与完整字符串匹配。

那么我们有什么方法可以忽略找到的匹配。因此，'Cdef'与'[A-Z][a-z]+'匹配。正则表达式的第二部分（即'[A-Z]+'）仅与剩余的字符串'AB'匹配？

Answer 1

首先，您需要匹配AB，后跟大写字母，然后是小写字母。或者在字符串的末尾。为此，您可以使用look-ahead。

然后你需要匹配一个大写字母C，然后是多个小写字母def。

所以，你可以使用这种模式：

>>> s = "ABCdef"
>>> re.findall("([A-Z]+(?=[A-Z][a-z]|$)|[A-Z][a-z]+)", s)
['AB', 'Cdef']

>>> re.findall("([A-Z]+(?=[A-Z][a-z]|$)|[A-Z][a-z]+)", 'MumABXYZCdefXYZAbc')
['Mum', 'ABXYZ', 'Cdef', 'XYZ', 'Abc']

正如@sotapme在评论中指出的那样，您也可以将上述正则表达式修改为： -

"([A-Z]+(?=[A-Z]|$)|[A-Z][a-z]+|\d+)"

添加了\d+，因为您还希望匹配数字，就像您的一个示例中一样。此外，他从前瞻的第一部分中删除了[a-z]部分。这是有效的，因为+外部的[A-Z]量词在默认情况下是贪婪的，因此，它会自动匹配最大字符串，并且只会在最后一个upper case字母表之前停止。

Answer 2

您可以使用此正则表达式

[A-Z][a-zA-Z]*?(?=[A-Z][a-z]|[^a-zA-Z]|$)

排除匹配的字符串python re.findall

2 个答案: