用于从段落中仅获取标题大小写中的单词的正则表达式代码答案

【问题标题】：Regex Code for getting only words in title case from a paragraph用于从段落中仅获取标题大小写中的单词的正则表达式代码
【发布时间】：2017-08-02 04:40:53
【问题描述】：

我正在寻找一个正则表达式，它只返回给定句子或段落中标题大小写（只有第一个字母大写）的单词。

如果段落是：

France’s last serious attempt at ambitious economic reform, an overhaul of pensions and social security, was in the mid-1990s under President Jacques Chirac.

我希望它匹配 France、President、Jacques 和 Chirac。

（我正在使用 Python 3 编写）

【问题讨论】：

只有Unicode还是ASCII？您使用的是哪种语言/工具？
使用 Python 3，UTF-8。

标签： regex

【解决方案1】：

要处理任何语言字母，请使用 unicode 属性：

re.findall(r"\b\p{Lu}\p{Ll}+", inputLine)

在哪里

\p{Lu} 代表任何语言的任何大写字母
\p{Ll} 代表任何语言的任何小写字母

【讨论】：

【解决方案2】：

使用单词边界，一个大写字母，然后是多个小写字母，如下所示：

\b[A-Z][a-z]+

像这样：

titleWords = re.findall(r"\b[A-Z][a-z]+", line)

见live demo。

请注意，+（至少 1）优于 *（0 或更多），因此您不能匹配单大写字母单词，例如 "I" 和 "A"。

单词边界不是必需的，但可以防止匹配驼峰式单词，例如 "mySpace"，这在常规文本中无论如何都不应该出现，因此您可以删除 \b 而不会产生不良影响。

【讨论】：

【解决方案3】：

根据正则表达式的风格，结果可能会有所不同。

对于 PCRE，我建议：

/\b[A-Z][a-z]*\b/

【讨论】：

来自France's 的France 怎么样？
刚刚检查过，它有效。 \b 是“字边框”，' 似乎被认为是
我在RegExr 上测试过它似乎只匹配第一个单词。我是不是做错了什么？
去掉括号：你不需要它们。整场比赛都是目标
@john 您需要将g 添加到末尾（“全局”标志）以匹配所有出现，即/\b[A-Z][a-z]+/g