在python中使用正则表达式返回特定单词之间的大写单词答案

【问题标题】：Using regex in python to return capitalized words between a specific word在python中使用正则表达式返回特定单词之间的大写单词
【发布时间】：2023-03-30 05:14:02
【问题描述】：

我不熟悉使用正则表达式。

我有一个格式为

的字符串

                Waco, Texas     

                Unit Dose 13 and 





           SECTION 011100       SUMMARY OF WORK





    INDEX   PAGE



PART 1. - GENERAL   1

1.1.    RELATED DOCUMENTS   1

1.2.    PROJECT DESCRIPTION 1

1.3.    OWNER   1

1.4.    ARCHITECT/ENGINEER  2

1.5.    PURCHASE CONTRACTS  2

1.6.    OWNER-FURNISHED ITEMS   2

1.7.    CONTRACTOR-FURNISHED ITEMS  3

1.8.    CONTRACTOR USE OF PREMISES  3

1.9.    OWNER OCCUPANCY 3

1.10.   WORK RESTRICTIONS   4

PART 2. - PRODUCTS - NOT APPLICABLE 4

PART 3. - EXECUTION - NOT APPLICABLE    4

我为额外的空白道歉，但这是我解析以获得字符串的 word 文档的形式。

我需要捕获 PART 1 PART 2 和 PART 3 之间的所有标题，并将它们存储在不同的列表中。到目前为止我有

matchedtext = re.findall('(?<=PART) (.*?) (?=PART)', text, re.DOTALL)

如果我理解正确，这些环顾四周应该使用 PART 作为一种基点，并抓住中间的文本。但是，当我运行代码时，matchedtext 不会填充任何内容。

我的问题的第二部分是，一旦我在 PART 的不同出现之间有文本，我如何才能将大写标题保存在列表中，每个标题都有一个字符串。我的 word 文档中的一些字符串包含小写单词，但我只想要全部大写的单词。

所以总结一下如何在字符串中的特定单词之间获取文本，一旦有了它们，我如何将单词保存为列表中的单个字符串。

感谢您的帮助！ :D

【问题讨论】：

标签： python regex string

【解决方案1】：

您甚至不需要使用正则表达式，只需对字符串使用 split 函数即可。如果 s 是您的字符串的名称，它将是：

s.split('PART')

这将包括第一个 PART 之前的文本，所以不要使用列表的第一个元素：

texts_between_parts = s.split('PART')[1:]

您可以稍后使用字符串方法isupper检查一个单词是否全部大写。

【讨论】：

好的，split 是一个很酷的技巧，但我不确定 isupper 是否会起作用，原因有几个。有时我的字符串包含带有句子的潜文本，所以 isupper 会在句子的开头抓住大写的单词。我尝试使用 isupper real quick 与 upper = ''.join([c for c in text_between_parts if c.isupper()]) 并且它也没有省略数字。这就是我尝试使用正则表达式的原因
试试[s for s in c.split() for c in texts_between_parts if s.isupper() and s.isalpha()]
很抱歉，这是一个新问题，但该代码无法正常工作，因为它会返回文本 3 次。我正在尝试使用 stackoverflow.com/questions/17006641/… 了解其中发生的情况，但我似乎无法理解，你能向我解释一下吗？谢谢
使用 for 循环代替双重列表理解。

【解决方案2】：

我会忘记抓住第 1 部分和第 2 部分之间的所有内容，等等。我将使用以下正则表达式解析每一行，并使用 Group 1 来确定标题的分组。

^(\d)(\.|\d)+\s+([^a-z]+?)\s+\d$

第 1 组是零件编号/部分

第 2 组是子节

第 3 组是标题

import re

p = re.compile('^(\d)(\.|\d)+\s+([^a-z]+?)\s+\d$')

m = p.match( '1.4.    ARCHITECT/ENGINEER  2' )

if m:

    print('Match found: ', m.groups())

else:

    print('No match')

找到匹配项：('1', '.', 'ARCHITECT/ENGINEER')

【讨论】：

您能解释一下这个正则表达式的作用吗？这比我现在的能力略高。 [^a-z] 也应该是 [^A-Z] 因为它正在寻找大写的单词？它会像这样实现吗？ matches = re.search('^(\d)(\.|\d)+\s+([^a-z]+?)\s+\d$', text) ？谢谢
^ 行首 (\d) 为第一个数字/节号创建一个组 (\.|\d) 创建第二个组，捕获 0 个或多个小节号 .1.1 \s+ 捕获任何空格([^az]) 创建第三组，捕获不包含小写字母的任何内容 \s+ 捕获剩余空格 \d$ 捕获行尾的页码
好的，这是有道理的，但是当我运行它时，它没有找到任何匹配项。我目前正在尝试找出原因。
任何关于为什么会很棒的想法。谢谢
贴一些realdata.txt，我看看。

【解决方案3】：

import re
p = re.compile('^(\d)(\.|\d)+\s+([^a-z]+?)\s+\d$')
m = p.match( '1.4.    ARCHITECT/ENGINEER  2' )
if m:
    print('Section: ', m.group(1))
    print('Heading: ', m.group(3))
else:
    print('No match')

# Output 
# Section:  1
# Heading:  ARCHITECT/ENGINEER

【讨论】：