如何使用正则表达式缩写所有以大写字母开头的单词

Question

我想通过编写 python 脚本来缩写字符串中的单词。例如，我在沙特阿拉伯首都利雅得的沙特国王大学学习；成为我在SA首都利雅得的KSU学习。

我尝试使用 lambda 来扫描所有字符串，但在找到它后我无法删除剩余的单词。

import re
str = "I studied in King Saud University, which is in Riyadh, the capital of Saudi Arabia"

result = re.sub(r"\b[A-Z]", lambda x: x.group()  ,str)

print(result)

Answer 1

您需要实际消耗两个或更多以大写字母开头的单词。

你可以使用像

这样的东西

result = re.sub(r"\b[A-Z]\w*(?:\s+[A-Z]\w*)+", lambda x: "".join(c[0] for c in x.group().split()), text)

参见 Python demo:

import re
text = "I studied in King Saud University, which is in Riyadh, the capital of Saudi Arabia"
result = re.sub(r"\b[A-Z]\w*(?:\s+[A-Z]\w*)+", lambda x: "".join(c[0] for c in x.group().split()), text)
print(result)
# => I studied in KSU, which is in Riyadh, the capital of SA

见regex demo。详情:

\b - 单词边界
[A-Z] - 大写 ASCII 字母
\w* - 零个或多个单词字符
(?:\s+[A-Z]\w*)+ - 出现一次或多次
- \s+ - 一个或多个空格
- [A-Z]\w* - 一个大写 ASCII 字母，然后是零个或多个单词字符。

"".join(c[0] for c in x.group().split()) 部分从匹配值中的 non-whitespace 块中获取第一个字符，并将它们连接成一个字符串。

为了支持所有 Unicode 大写字母，我建议使用 PyPi 正则表达式模块，并使用

import regex
#...
result = regex.sub(r"\b\p{Lu}\p{L}*(?:\s+\p{Lu}\p{L}*)+", lambda x: "".join(c[0] for c in x.group().split()), text)

其中 \p{Lu} 匹配任何 Unicode 大写字母，\p{L} 匹配任何 Unicode 字母。

Answer 2

这是一个有效的解决方案。我删除了 lambda 函数并替换了每个出现的大写字母 K、S、U，每个字母后跟小写字母和 space.

import re
str = "I studied in King Saud University, which is in Riyadh, the capital of Saudi Arabia"
find = re.compile(r"[K][a-z]+\s[S][a-z]+\s[U][a-z]+")
substitute = "KSU"

print(find.sub(substitute,str))

如何使用正则表达式缩写所有以大写字母开头的单词

How can I use Regex to abbreviate words that all start with a capital letter

python

regex

nsregularexpression