Question

我正努力拒绝用换行符分隔的单词的匹配。

这是测试字符串：

Cardoza Fred
Catto, Philipa
Duncan, Jean
Jerry Smith
and
but
and
Andrew

Red 
Abcd

DDDD

正则表达式规则：

1）如果一个单词后跟逗号，则拒绝它。因此，我们将删除Catto。

2）仅选择以大写字母开头的单词。因此，and等将被删除

3）如果单词后面有回车符（即是名字，请忽略它）。

这是我的尝试：\b([A-Z][a-z]+)\s(?!\n)

说明：

\b                #start at a word boundary
([A-Z][a-z]+)     #start with A-Z followed by a-z
\s                #Last name must be followed by a space character
(?!\n)            #The word shouldn't be followed by newline char i.e. ignore first names.

我的正则表达式有两个问题。

1） Andrew与Andre匹配。我不确定为什么错过了w。我还观察到，如果我更改示例文本的底部部分以删除所有字符（包括安德鲁的w及之后的字符），Andrew中的w不会被遗漏。即示例文本如下所示：

Cardoza Fred
Catto, Philipa
Duncan, Jean
Jerry Smith
and
but
and
Andrew

输出应为：

Cardoza 
Jerry

您可能会问：为什么Andrew被拒绝？这是由于两个原因：a）Andrew后没有空格。 b）没有first_name "space" last_name组合。

2）正在使用我的正则表达式选择名字。如何忽略名字？

我研究了SO。似乎有类似的线程ignoring newline character in regex match，但答案并未涉及忽略\r。

此问题改编自Watt的Beginning Regex书。我在这个问题上花了将近1个小时，但没有成功。任何解释将不胜感激。我正在使用python的re模块。

这里是regex101供参考。

Answer 1

Andre（而不是尾随的w）在您的正则表达式中匹配，因为最后一个标记是\n的负前瞻，并且在此之前是 optional < / em>空间。因此，Andrew<end of line>由于位于行尾而失败，因此引擎回溯到Andre，成功了。

也许regex101中\s?中的可选量词是一个错字，但从头开始可能会更容易。如果要查找以空格开头的名字，然后是另一个名字，则可以使用

^[A-Z][a-z]+(?= [A-Z][a-z]+$)

带有m标志：

https://regex101.com/r/kqeMcH/5

m标志允许^匹配行的开头，$匹配行的结尾-比查找\n更容易s。（没有m标志，^将只匹配 string 的开头，而$同样将只匹配 string < / em>）

也就是说，从重复的字母字符开始，然后向前寻找空格和更多字母字符，然后是该行的结尾。对于换行符等，使用正向先行要比负向先行容易得多。

请注意，在正则表达式中，文字空间比\s更可靠，因为\s与任何空格字符匹配，包括换行符。如果您要查找文字空间，最好使用文字空间。

要在Python正则表达式中使用标志，请使用flags=，或在模式的开头定义标志，例如

pattern = r'(?m)^[a-z]+(?= [A-Z][a-z]+$)'

使用正则表达式

1 个答案: