Question

我试图用一个或多个连续大写单词，但看起来它对我不起作用。

def extract(string):
    return re.findall('([A-Z][a-z]*(?=\s[A-Z])(?:\s+[A-Z][a-z]*)*)', string)

这是我的测试用例

def test_extract_capitalize_words(self):
    keywords = extract('This is New York and this is London')
    self.assertEquals(['New York', 'London'], keywords)

它仅捕获New York而非London

Answer 1

这将匹配连续捕获的单词或大写单词后跟行边界的结尾。

>>> import re
>>> s = 'This is New York and this is London'
>>> re.findall(r'\b[A-Z][a-z]*\b(?:(?:\s+[A-Z][a-z]*\b)+|$)', s)
['New York', 'London']

Answer 2

这是一个简洁的选项：

\b(?:[A-Z][a-z]*\b\s*)+

如果您使用的是regex模块而不是re，请考虑使用\p{Lu}和\p{Ll}代替[A-Z]而不是[a-z]和\b的Unicode大写和小写字母{1}}。
开头和中间的McBain是字边界，用于避免匹配GOP或\b等字词。如果您想匹配这些'删除第二个[a-z]*。
A用于允许使用单个字母的字词，例如I或+。如果您不想要，请使用(?<!\s)。
该模式在比赛结束时捕获额外的空间。您可以使用\>显式删除该空间。像MutationObserver（单词结束）这样的功能会更优雅，但Python（和大多数口味）都不支持它。

工作示例：https://regex101.com/r/sT1rS4/1

使用一个或多个单词获取连续大写单词的正则表达式不起作用

2 个答案: