正则表达式 |从介词中提取3个单词内的大写单词答案

【问题标题】：Regular expression | Extract words with uppercase within 3 words from a preposition正则表达式 |从介词中提取3个单词内的大写单词
【发布时间】：2017-04-25 19:33:40
【问题描述】：

我正在尝试从几篇文章中提取城市和国家。我正在使用的正则表达式：

(at [A-Z](?:\w+)?|in [A-Z](?:\w+)?|of [A-Z](?:\w+)?)

它允许我提取这种位置：

of Mogadishu
in Istanbul
of Beletwein

但是，当公式如下时，它不允许我提取位置：

in downtown Tunis
in central Mogadishu
in a town near Mogadishu

我要提取的是在 3 个单词范围内的介词（如 (in,of,through,at) 之后以大写开头的任何单词。

[在链接中有一个文本语料库的样本]（https://regex101.com/r/0DRayP/6）和正则表达式

【问题讨论】：

正则表达式可能不是执行此操作的方法 - 查看 NLTK。

标签： regex python-3.5

【解决方案1】：

\b(at|in|of) (?:\w+\s){0,3}([A-Z]\w+)

我相信这会影响您示例文本中的所有内容。

\b 确保介词本身而不是另一个词的一部分。
第一组击中介词，很容易修改以添加更多。
第二组未捕获，您可以修改 {0,3} 括号中 prep 和 location 之间的附加字数。
第三组获取您的位置。

【讨论】：

【解决方案2】：

试一试：

\b(?:at|in|of)\b[^A-Z]+([A-Z]\w*)

【讨论】：

【解决方案3】：

可能是这样的（你可以改变字数）：

(at|in|of)( \w+){0,2} [A-Z](?:\w+)?

【讨论】：