用于仅匹配粘在一起的大写单词的正则表达式（即不被空格分隔）

Question

我有一长串字符串，都是随机的单词，全部大写，比如'Pomegranate'和'Yellow Banana'。但是，其中一些粘在一起，例如：'AppleOrange'。没有特殊字符或数字。

我需要的是 Python 上的正则表达式，分别匹配 'Apple' 和 'Orange'，但不匹配 'Pomegranate' 或 'Yellow'.

不出所料，我对此很陌生，我只写了 r"(?<!\s)([A-Z][a-z]*)"... 但它仍然匹配 'Yellow' 和 'Pomegranate' 。我该怎么做？

Answer 1

如果它们都以大写字符和可选的小写字符开头，您可以使用环视和交替来匹配这两种变体

(?<=[a-z])[A-Z][a-z]*|[A-Z][a-z]*(?=[A-Z])

模式匹配：

(?<=[a-z]) 向左断言 a-z
[A-Z][a-z]* 匹配 A-Z 和可选字符 a-z
| 或
[A-Z][a-z]* 匹配 A-Z 和可选字符 a-z
(?=[A-Z]) 向右断言 A-Z

Regex demo

例子

import re

pattern = r"(?<=[a-z])[A-Z][a-z]*|[A-Z][a-z]*(?=[A-Z])"
s = ("AppleOrange\nPomegranate Yellow Banana")

print(re.findall(pattern, s))

输出

['Apple', 'Orange']

另一种选择可能是通过匹配来避开您不想要的内容，并使用捕获组来保存您想要保留的内容并从结果中删除空条目：

(?<!\S)[A-Z][a-z]*(?!\S)|([A-Z][a-z]*)

Regex demo | Python demo

import re

pattern = r"(?<!\S)[A-Z][a-z]*(?!\S)|([A-Z][a-z]*)"
s = ("AppleOrange\nPomegranate Yellow Banana")

print([x for x in re.findall(pattern, s) if x])

Answer 2

这项工作：

import re
from collections import deque

pattern = r'([A-Z]{2,}(?=[A-Z]|$)|[A-Z](?=[a-z]|$))'
chunks = deque(re.split(pattern, 'AppleOrange'))

result = []
while len(chunks):
  buf = chunks.popleft()
  if len(buf) == 0:
    continue
  if re.match(r'^[A-Z]$', buf) and len(chunks):
    buf += chunks.popleft()
  result.append(buf)

print(result)

输出：

['Apple', 'Orange']

检查 OP here

用于仅匹配粘在一起的大写单词的正则表达式（即不被空格分隔）

Regex for matching only capitalized words stuck together (i.e. not separated by whitespace)

python

regex

python-re