如何编写正则表达式来捕获Python 3中用标点符号分隔的字母？

Question

我是regex的新手，遇到了问题。我需要解析一个在URL中使用的姓氏和名字列表并获取一个html页面。在我的姓氏或名字中，如果它像“John，Jr”那么它应该只返回John但是如果它像“J.T.R”那样，它应该返回“JTR”以使url工作。这是我写的代码，但它没有捕获“JTR”。

import re
last_names_parsed=[]
for ln in last_names:
    L_name=re.match('\w+', ln)
    last_names_parsed.append(L_name[0])

然而，这不会正确地捕捉J.T.R。我应该如何修改代码以正确处理它们？

Answer 1

您可以将\.添加到正则表达式中：

import re
final_data = [re.sub('\.', '', re.findall('(?<=^)[a-zA-Z\.]+', i)[0]) for i in last_names]

正则表达式解释：

(?<=^)：正面看后，确保正确的正则表达式只会在字符串开头找到匹配时才会注册匹配

[a-zA-Z\.]：匹配任何出现的字母字符：[a-zA-Z]，以及句点.

+：只要找到句点或字母字符，就会搜索以前的正则表达式（[a-zA-Z\.]）。例如，在"John, Jr"中，只会匹配John，因为逗号,未包含在正则表达式[a-zA-Z\.]中，从而停止匹配。