正则表达式除以大写

Question

我想用正则表达式替换 'HDMWhoSomeThing' 到 'HDM Who Some Thing' 这样的字符串。

所以我想提取以大写字母开头或仅由大写字母组成的单词。请注意，在字符串 'HDMWho' 中，最后一个大写字母实际上是单词 Who 的第一个字母 - 不应包含在单词 HDM 中。

实现此目标的正确正则表达式是什么？我尝试了许多类似于[A-Z][a-z]+ 的正则表达式，但没有成功。 [A-Z][a-z]+ 给了我'Who Some Thing' - 当然没有'HDM'。

有什么想法吗？ 谢谢， 鲁基

Answer 1

#! /usr/bin/env python

import re
from collections import deque

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

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 ' '.join(result)

输出：

HDM Who Some MONKEY Thing XYZ

从代码行来看，这个任务更适合re.findall：

pattern = r'([A-Z]{2,}(?=[A-Z]|$)|[A-Z][a-z]*)'
print ' '.join(re.findall(pattern, 'HDMWhoSomeMONKEYThingX'))

输出：

HDM Who Some MONKEY Thing X

Answer 2

可能是'[A-Z]*?[A-Z][a-z]+'？

编辑：这似乎有效：[A-Z]{2,}(?![a-z])|[A-Z][a-z]+

import re

def find_stuff(str):
  p = re.compile(r'[A-Z]{2,}(?![a-z])|[A-Z][a-z]+')
  m = p.findall(str)
  result = ''
  for x in m:
    result += x + ' '
  print result

find_stuff('HDMWhoSomeThing')
find_stuff('SomeHDMWhoThing')

打印出来：

HDM 谁的东西

一些 HDM 人物

Answer 3

一个班轮：

' '.join(a or b for a,b in re.findall('([AZ][az]+)|(?:([AZ]*)(?=[AZ]))', s))

使用正则表达式

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

Answer 4

所以在这种情况下，“单词”是：

1. 任意数量的大写字母 - 除非最后一个大写字母后跟一个小写字母。
2. 一个大写字母后跟任意数量的小写字母。

那就试试吧：

([A-Z]+(?![a-z])|[A-Z][a-z]*)

第一个替代包括一个否定前瞻 (?![a-z])，它处理全大写单词和初始大写单词之间的边界。

Answer 5

尝试用这个正则表达式分割：

/(?=[A-Z][a-z])/

如果您的正则表达式引擎不支持拆分空匹配项，请尝试使用此正则表达式在单词之间放置空格：

/([A-Z])(?![A-Z])/

将其替换为" $1"（第一组的空格加匹配）。然后你就可以在空格处拆分了。