对于列表中的多个字符串，如何查找字符串中以大写字母开头的所有单词

Question

我有一个字符串列表，每个字符串大约 10 个句子。我希望从每个字符串中找到所有以大写字母开头的单词。最好在句子的第一个词之后。我正在使用 re.findall 来执行此操作。当我手动设置 string = '' 时，这样做没有问题，但是当我尝试使用 for 循环遍历列表中的每个条目时，我会得到不同的输出。

for i in list_3:
    string = i
    test = re.findall(r"(\b[A-Z][a-z]*\b)", string)
print(test)

输出：

['I', 'I', 'As', 'I', 'University', 'Illinois', 'It', 'To', 'It', 'I', 'One', 'Manu', 'I', 'I', 'Once', 'And', 'Through', 'I', 'I', 'Most', 'Its', 'The', 'I', 'That', 'I', 'I', 'I', 'I', 'I', 'I']

当我手动输入字符串值时

txt = 0
for i in list_3:
    string = list_3[txt]
    test = re.findall(r"(\b[A-Z][a-z]*\b)", string)
print(test)

输出：

['Remember', 'The', 'Common', 'App', 'Do', 'Your', 'Often', 'We', 'Monica', 'Lannom', 'Co', 'Founder', 'Campus', 'Ventures', 'One', 'Break', 'Campus', 'Ventures', 'Universities', 'Undermatching', 'Stanford', 'Yale', 'Undermatching', 'What', 'A', 'Yale', 'Lannom', 'There', 'During', 'Some', 'The', 'Lannom', 'That', 'It', 'Lannom', 'Institutions', 'University', 'Chicago', 'Boston', 'College', 'These', 'Students', 'If', 'Lannom', 'Recruiting', 'Elite', 'Campus', 'Ventures', 'Understanding', 'Campus', 'Ventures', 'The', 'For', 'Lannom', 'What', 'I', 'Wish', 'I', 'Knew', 'Before', 'Starting', 'Company', 'I', 'Even', 'I', 'Lannom', 'The', 'There']

但我似乎无法编写一个 for 循环来正确打印列表中 5 项中的每一项的输出。有什么想法吗？

Answer 1

最简单的方法是编写一个for 循环来检查列表元素的第一个字母是否大写。如果是，它将被附加到output 列表中。

output = []
for i in list_3:
    if i[0] == i[0].upper():
        output.append(i)
print(output)

我们也可以使用列表推导式并将其放在 1 行中。我们也在检查元素的第一个字母是否是大写字母。

output = [x for x in list_3 if x[0].upper() == x[0]]
print(output)

编辑

您想将句子作为列表的元素放置，因此这是解决方案。我们遍历list_3，然后使用split() 函数遍历每个单词。然后我们检查单词是否大写。如果是，则将其添加到output。

list_3 = ["Remember your college application process? The tedious Common App applications, hours upon hours of research, ACT/SAT, FAFSA, visiting schools, etc. Do you remember who helped you through this process? Your family and guidance counselors perhaps, maybe your peers or you may have received little to no help"]
output = []
for i in list_3:
    for j in i.split():
        if j[0].isupper():
            output.append(j)
print(output)

Answer 2

假设句子用一个空格分隔，您可以使用re.findall 和以下正则表达式。

r'(?m)(?<!^)(?<![.?!] )[A-Z][A-Za-z]*'

Start your engine! | Python code

Python 的正则表达式引擎执行以下操作。

(?m)         : set multiline mode so that ^ and $ match the beginning
               and the end of a line
(?<!^)       : negative lookbehind asserts current location is not
               at the beginning of a line
(?<![.?!] )  : negative lookbehind asserts current location is not
               preceded by '.', '?' or '!', followed by a space
[A-Z]        : match an uppercase letter
[A-Za-z]*    : match 1+ letters

如果句子可以用一两个空格分隔，则在(?<![.?!] ) 之后插入否定的lookbehind (?<![.?!] )。

如果使用 PyPI 正则表达式模块，可以使用可变长度的lookbehind (?<![.?!] +)

Answer 3

据我了解，您的列表如下：

list_3 = [
  'First sentence. Another Sentence',
  'And yet one another. Sentence',
]

您正在迭代列表，但每次迭代都会覆盖 test 变量，因此您的结果不正确。您要么必须在附加变量中累积结果，要么在每次迭代时立即打印它：

acc = []
for item in list_3:
  acc.extend(re.findall(regexp, item))
print(acc)

或

for item in list_3:
  print(re.findall(regexp, item))

至于正则表达式，忽略句子中的第一个单词，你可以使用

re.findall(r'(?<!\A)(?<!\.)\s+[A-Z]\w+', s) 

• (?<!\A) - 不是字符串的开头
• (?<!\.) - 不是点后的第一个单词
• \s+ - 点后的可选空格。

你会收到以空格为前缀的单词，所以这是最后一个例子：

acc = []
for item in list_3:
  words = [w.strip() for w in re.findall(r'(?<!\A)(?<!\.)\s+[A-Z]\w+', item)]
  acc.extend(words)
print(acc)

Answer 4

因为我真的很喜欢正则表达式，所以试试这个：

#!/bin/python3
import re

PATTERN = re.compile(r'[A-Z][A-Za-z0-9]*')

all_sentences = [
    "My House! is small",
    "Does Annie like Cats???"
]

def flat_list(sentences):
    for sentence in sentences:
        yield from PATTERN.findall(sentence)

upper_words = list(flat_list(all_sentences))
print(upper_words)

# Result: ['My', 'House', 'Does', 'Annie', 'Cats']