如何在列表中的多个字符串中查找以大写字母开头的字符串中的所有单词

Question

我有一个字符串列表，每个字符串大约有 10 个句子。我希望找到每个字符串中以大写字母开头的所有单词。最好在句子的第一个词之后。我正在使用 re.findall 来执行此操作。当我手动设置 string = '' 时，我没有遇到任何问题，但是当我尝试使用 for 循环遍历列表中的每个条目时，我得到了不同的输出。

for i in list_3:
    string = i
    test = re.findall(r"(\b[A-Z][a-z]*\b)", string)
print(test)

输出：

['I', 'I', 'As', 'I', 'University', 'Illinois', 'It', 'To', 'It', 'I', 'One', 'Manu', 'I', 'I', 'Once', 'And', 'Through', 'I', 'I', 'Most', 'Its', 'The', 'I', 'That', 'I', 'I', 'I', 'I', 'I', 'I']

当我手动输入字符串值时

txt = 0
for i in list_3:
    string = list_3[txt]
    test = re.findall(r"(\b[A-Z][a-z]*\b)", string)
print(test)

输出：

['Remember', 'The', 'Common', 'App', 'Do', 'Your', 'Often', 'We', 'Monica', 'Lannom', 'Co', 'Founder', 'Campus', 'Ventures', 'One', 'Break', 'Campus', 'Ventures', 'Universities', 'Undermatching', 'Stanford', 'Yale', 'Undermatching', 'What', 'A', 'Yale', 'Lannom', 'There', 'During', 'Some', 'The', 'Lannom', 'That', 'It', 'Lannom', 'Institutions', 'University', 'Chicago', 'Boston', 'College', 'These', 'Students', 'If', 'Lannom', 'Recruiting', 'Elite', 'Campus', 'Ventures', 'Understanding', 'Campus', 'Ventures', 'The', 'For', 'Lannom', 'What', 'I', 'Wish', 'I', 'Knew', 'Before', 'Starting', 'Company', 'I', 'Even', 'I', 'Lannom', 'The', 'There']

但我似乎无法编写一个 for 循环来正确打印列表中 5 项中每一项的输出。有什么想法吗？

Answer 1

最简单的方法是编写一个 for 循环来检查列表元素的首字母是否大写。如果是，它将附加到 output 列表。

output = []
for i in list_3:
    if i[0] == i[0].upper():
        output.append(i)
print(output)

我们也可以使用列表理解并在 1 行中完成。我们也在检查一个元素的第一个字母是否是大写字母。

output = [x for x in list_3 if x[0].upper() == x[0]]
print(output)

编辑

您想将句子作为列表的元素放置，因此这是解决方案。我们迭代 list_3，然后使用 split() 函数迭代每个单词。然后我们检查单词是否大写。如果是，则将其添加到 output.

list_3 = ["Remember your college application process? The tedious Common App applications, hours upon hours of research, ACT/SAT, FAFSA, visiting schools, etc. Do you remember who helped you through this process? Your family and guidance counselors perhaps, maybe your peers or you may have received little to no help"]
output = []
for i in list_3:
    for j in i.split():
        if j[0].isupper():
            output.append(j)
print(output)

Answer 2

据我了解，您有这样的列表：

list_3 = [
  'First sentence. Another Sentence',
  'And yet one another. Sentence',
]

您正在遍历列表，但每次迭代都会覆盖 test 变量，因此您的结果不正确。您要么必须在附加变量中累积结果，要么在每次迭代时立即打印它：

acc = []
for item in list_3:
  acc.extend(re.findall(regexp, item))
print(acc)

或

for item in list_3:
  print(re.findall(regexp, item))

至于正则表达式，忽略句子中的第一个单词，你可以使用

re.findall(r'(?<!\A)(?<!\.)\s+[A-Z]\w+', s)

(?<!\A) - 不是字符串的开头
(?<!\.) - 不是点后的第一个词
\s+ - 点后可选 spaces。

您将收到可能以 space 为前缀的单词，所以这是最后一个示例：

acc = []
for item in list_3:
  words = [w.strip() for w in re.findall(r'(?<!\A)(?<!\.)\s+[A-Z]\w+', item)]
  acc.extend(words)
print(acc)

Answer 3

假设句子之间用一个 space 分隔，您可以将 re.findall 与以下正则表达式一起使用。

r'(?m)(?<!^)(?<![.?!] )[A-Z][A-Za-z]*'

Start your engine! | Python code

Python 的正则表达式引擎执行以下操作。

(?m)         : set multiline mode so that ^ and $ match the beginning
               and the end of a line
(?<!^)       : negative lookbehind asserts current location is not
               at the beginning of a line
(?<![.?!] )  : negative lookbehind asserts current location is not
               preceded by '.', '?' or '!', followed by a space
[A-Z]        : match an uppercase letter
[A-Za-z]*    : match 1+ letters

如果句子可以被一两个 space 分隔，则在 (?<![.?!] ).

之后插入负向后视 (?<![.?!] )

如果使用 PyPI 正则表达式模块，可以使用可变长度后视 (?<![.?!] +)

Answer 4

因为我真的很喜欢正则表达式，试试这个：

#!/bin/python3
import re

PATTERN = re.compile(r'[A-Z][A-Za-z0-9]*')

all_sentences = [
    "My House! is small",
    "Does Annie like Cats???"
]

def flat_list(sentences):
    for sentence in sentences:
        yield from PATTERN.findall(sentence)

upper_words = list(flat_list(all_sentences))
print(upper_words)

# Result: ['My', 'House', 'Does', 'Annie', 'Cats']

如何在列表中的多个字符串中查找以大写字母开头的字符串中的所有单词

How to find all words in a string that begin with an uppercase letter, for multiple strings in a list

python

regex

string

capitalization

findall