使用正则表达式查找缩写

Question

我正在尝试创建一个正则表达式来识别 Python 中给定字符串中的可能缩写。我是 RegEx 的新手，虽然我相信它应该有点简单，但我在创建表达式时遇到了困难。该表达式应选择具有两个或更多大写字母的单词。该表达式还应该能够拾取中间使用破折号的单词并报告整个单词（破折号前后）。如果数字也存在，它们也应该用单词报告。

因此，它应该回升：

ABC、AbC、ABc、A-ABC、a-ABC、ABC-a、ABC123、ABC-123、123-ABC。

我已经做了以下表达：r'\b(?:[a-z]*[A-Z\-][a-z\d[^\]*]*){2,}'.

然而，这也会发现这些错误的词：

A-bc, a-b-c

我认为问题在于它寻找多个大写字母或破折号。我希望它只给我至少有两个或更多大写字母的单词。我知道它也会“错误地”将单词视为“Abc-Abc”，但我认为没有办法避免这些。

Answer 1

如果支持前瞻并且您不想匹配双 -- 您可以使用：

\b(?=(?:[a-z\d-]*[A-Z]){2})[A-Za-z\d]+(?:-[A-Za-z\d]+)*\b

说明

\b一个单词边界
(?=正向前瞻，断言从当前位置向右是
- (?:[a-z\d-]*[A-Z]){2} 匹配 2 次可选的允许字符和一个大写字符 A-Z
) 关闭前瞻
[A-Za-z\d]+ 匹配 1+ 次不带连字符的允许字符
(?:-[A-Za-z\d]+)* 可选择重复 - 和 1+ 次允许的字符
\b一个单词边界

看到一个regex101 demo.

要在字符周围有连字符时也不匹配，您可以使用否定环视断言左侧或右侧不是连字符。

\b(?<!-)(?=(?:[a-z\d-]*[A-Z]){2})[A-Za-z\d]+(?:-[A-Za-z\d]+)*\b(?!-)

再看一个regex demo。

使用正则表达式查找缩写

Using regex to find abbreviations

regex

regular-language