Python 正则表达式将单词与第一个大写字母匹配

尝试使用正则表达式识别文本数据的结构并遇到障碍

对于下面的示例文本

我是一个标题：
Lorem Ipsum只是印刷的虚拟文本 以及排版业。Lorem Ipsum一直是该行业的佼佼者 16世纪以来的标准虚拟文本

我是一个标签-Lorem Ipsum只是印刷的虚拟文本

我下面的正则表达式选择“我是一个标题”和“我是一个标签-”

^\s*(?:\b[A-Z]+\b[\s]*)+(?:[:-])\s*$

请建议编辑以匹配“我是标题”和“我是标签”以及 忽略结束标记“：”和“-”。

您可以使用

^\s*(?:\b[a-zA-Z]+\b\s*)+(?=[:-])

看

正则表达式细分：

• ^

  -字符串的开头

• \s*

  -0或更多空格

• （？：\b[a-zA-Z]+\b\s*）+

  -1个或多个

  • \b

    -字边界（冗余）

  • [a-zA-Z]+

    -1个或多个字母

  • \b\s*

    -0或更多空白

• （？=[：-]）

  -一种前瞻，要求

  ：

  或

  -

  紧跟在前面的子模式之后

---

这里的要点是将

[a-z]

添加到

[a-z]

范围，删除

\s*$

，并将

（？：…）

非捕获组转到前瞻组（不使用字符）。

这是@stribizev的解决方案，效果非常好

^\s*(?:\b[a-zA-Z]+\b\s*)+(?=[:-])

对于像我这样的新手，这是对解决方案的简单解释：

> ^\s      Anchor to the white space (tab, newline, blankspace)
> *        Look for repetition of white space if any 
> (?:      Start a non-capturing group 
> \b       Look for a word 
> [a-zA-Z] Anyword that starts with either a capital or small alphabet
> +        Look for repeating capital/small alphabets
> \s*      Match a blank space after the word 
> )+       Repeat 
> (?=      Ignore what follows (my best guess) 
> [:-]     Look for ':' or '-'

本质上，这个正则表达式在后跟“：”或“-”的换行中查找一组单词

通过添加{n，m}as，告诉上面的表达式超出您开始丢失相关信息的单词数，从而使上面的表达式更智能

^[\s]*(?:\b[a-zA-Z]+\b[\s]*){1,3}(?=[:-])

---

为什么要使用正则表达式<代码>用于行中的myword。拆分（）：如果myword[0]==myword[0]。upper（）和myword[0]。isalpha（）：#做点什么我可以限制可以出现在结束标记之前的字数吗？说1到4个单词。怎么做？不用担心。知道了。谢谢。是的，我想用

{n}

替换

+

，其中

n

是数字

{2}

是一个限制量词，正好匹配前面的子模式2次。我认为您不需要在

{1,3}

之后使用

+

，因为量词已经贪婪了。Python不支持所有格量词。@斯特里比雪夫：谢谢。编辑了答案。