查找大写字母的运行

Question

我有一个包含一些完全大写的单词和一些混合大小写的单词的文件，我想提取完全大写的单词运行（包含在一行中）——也就是说，由\b 分隔并至少包含两个大写字母，没有小写字母。一切都是 7 位的。

所以，例如，如果一行是

The QUICK Brown fox JUMPs OV3R T4E LAZY DoG.

然后我想提取QUICK 和OV3R T4E LAZY。

这是我目前所拥有的：

while (<$fh>) { # file handle
    my @array = $_ =~ /\b[^a-z]*[A-Z][^a-z]*[A-Z][^a-z]*\b/;
    push @bigarray, @array;
}

还有比[^a-z]*[A-Z][^a-z]*[A-Z][^a-z]*更优雅的方式吗？

Answer 1

您似乎想要所有单词定义（构造\w）字符。
要查找并允许至少两个大写字母且不允许小写字母，您可能不会
绕开它们必须可选地被大写包围的事实
和或数字或下划线。

也可以只匹配你需要的。

\b[\d_]*[A-Z]+[\d_]*[A-Z]+[\d_]*\b

展开：

 \b 
 [\d_]* 
 [A-Z]+ 
 [\d_]* 
 [A-Z]+ 
 [\d_]* 
 \b 

啊，结果

输入：

The QUICK Brown fox JUMPs OV3R T4E LAZY DoG.  

输出：

 **  Grp 0 -  ( pos 4 , len 5 ) 
QUICK  
-----
 **  Grp 0 -  ( pos 26 , len 4 ) 
OV3R  
-----
 **  Grp 0 -  ( pos 31 , len 3 ) 
T4E  
-----
 **  Grp 0 -  ( pos 35 , len 4 ) 
LAZY  

---

更新 - 如果您想有选择地匹配由空格分隔的连续部分，
这会奏效。

 # (?&two_caps)(?:\s+(?&two_caps))*(?(DEFINE)(?<two_caps>\b[\d_]*[A-Z]+[\d_]*[A-Z]+[\d_]*\b))

 (?&two_caps) 
 (?:
      \s+ (?&two_caps) 
 )*

 (?(DEFINE)
      (?<two_caps>
           \b 
           [\d_]* 
           [A-Z]+ 
           [\d_]* 
           [A-Z]+ 
           [\d_]* 
           \b 
      )
 )

输出：

 **  Grp 0 -  ( pos 4 , len 5 ) 
QUICK  
 **  Grp 1 -  NULL 
---------
 **  Grp 0 -  ( pos 26 , len 13 ) 
OV3R T4E LAZY  
 **  Grp 1 -  NULL 

Answer 2

如果你真的想要一个 run 这些匹配，也许使用带有零宽度断言的 split 然后过滤结果：

while (<DATA>) {
    for my $e (split (/(?<=\b)([A-Z0-9_ ]+)(?=\b)/)){
        $e =~ s/^\s+|\s+$//g;
        print "$e\n" unless ($e =~/^$/ or $e =~ /.*[a-z]/);
    }
}

__DATA__
The QUICK Brown fox JUMPs OV3R T4E LAZY DoG.

打印：

QUICK
OV3R T4E LAZY

那么这是如何工作的呢？

split 会将符合您条件的部分与不符合条件的部分分开：

use Data::Dumper;

while (<DATA>) {
    print Dumper split (/(?<=\b)([A-Z0-9_ ]+)(?=\b)/); 
}

打印：

$VAR1 = 'The';
$VAR2 = ' QUICK ';
$VAR3 = 'Brown';
$VAR4 = ' ';
$VAR5 = 'fox';
$VAR6 = ' ';
$VAR7 = 'JUMPs';
$VAR8 = ' OV3R T4E LAZY ';
$VAR9 = 'DoG.';

然后循环遍历该数组，从每个元素中去除空格，并测试小写字符或空行。

这会导致一行为每一行生成你的数组：

grep { $_ =~ /(?=[A-Z]{2,})^[^a-z]+$/ } map {s/^\s+|\s+$//g; $_} split (/(?<=\b)([A-Z0-9_ ]+)(?=\b)/);

Answer 3

\b(?=\S*[A-Z]\S*[A-Z])[A-Z0-9]{2,}\b

试试这个。查看演示。

https://regex101.com/r/cK4iV0/24