Question

我正在寻找一个正则表达式，它只返回给定句子或段落中的标题案例中的单词（其中只有第一个字母大写）。

如果段落是：

France’s last serious attempt at ambitious economic reform, an overhaul of pensions and social security, was in the mid-1990s under President Jacques Chirac.

我想要匹配France，President，Jacques和Chirac。

（我在Python 3中写作）

Answer 1

使用单词边界，大写字母，然后使用以下小写字母：

titleWords = re.findall(r"\b[A-Z][a-z]+", line)

像这样：

请参阅AST (abstract syntax tree)。

请注意，*（至少1）优于"I"（0或更多），因此您不会匹配单个大写字母的字词，例如"A"和"mySpace"。

单词边界并不是必需的，但是可以防止像\b这样的匹配的词语无论如何都会在常规文本中发生，所以你可能会删除XMLHttpRequest而没有不良影响

Answer 2

根据正则表达式的不同，结果可能会有所不同。

对于PCRE，我建议：

/\b[A-Z][a-z]*\b/

Answer 3

要处理任何语言字母，请使用unicode属性：

re.findall(r"\b\p{Lu}\p{Ll}+", inputLine)

，其中

\p{Lu}代表任何语言的任何大写字母
\p{Ll}代表任何语言的任何小写字母

正则代码，用于仅从段落

3 个答案: