正则表达式在字符串中查找一系列大写单词答案

【问题标题】：Regular expression to find a series of uppercase words in a string正则表达式在字符串中查找一系列大写单词
【发布时间】：2020-03-18 11:04:27
【问题描述】：

text = "This is a TEXT CONTAINING UPPER CASE WORDS and lower case words. This is a SECOND SENTENCE."

pattern = '[A-Z]+[A-Z]+[A-Z]*[\s]+'

re.findall(pattern, text) 给出输出 -->

['TEXT ', 'CONTAINING ', 'UPPER ', 'CASE ', 'WORDS ', 'SECOND ', 'SENTENCE ']

但是，我想要这样的输出 -->

['TEXT CONTAINING UPPER CASE WORDS', 'SECOND SENTENCE']

【问题讨论】：

如果你确定一个句子是一系列单词然后一个句号，只需拆分原始文本 .split(".") ，然后将列表的每个元素放入 re.findall跨度>
如果你有这样的句子怎么办：This is YOUR FIRST sentence WITH UPPERCASE words. This IS A second.？那仍然是两个元素吗？还是要将第一句的元素分成两个元素？
@JvdV 预期输出将是 ['YOUR FIRST', 'WITH UPPERCASE', 'IS A']
@tomgalpin 我认为性能会受到打击。
[A-Z]+[A-Z]+[A-Z]* 最好写成 [A-Z]+ 和 [\s]+ --> \s+

标签： python regex

【解决方案1】：

你可以使用这个正则表达式：

\b[A-Z]+(?:\s+[A-Z]+)*\b

RegEx Demo

正则表达式详细信息：

\b：字边界
[A-Z]+: 匹配一个只包含大写字母的单词
(?:\s+[A-Z]+)*：匹配 1+ 个空格，后跟另一个带有大写字母的单词。匹配此组 0 次或多次
\b：字边界

代码：

>>> s = 'This is a TEXT CONTAINING UPPER CASE WORDS and lower case words. This is a SECOND SENTENCE';
>>> print (re.findall(r'\b[A-Z]+(?:\s+[A-Z]+)*\b', s))
['TEXT CONTAINING UPPER CASE WORDS', 'SECOND SENTENCE']

【讨论】：

【解决方案2】：

改进正则表达式，你需要至少2个大写字母，所以2个或更多使用专用语法{2,}，并使用单词边界确保捕捉整个单词
```
r'\b[A-Z]{2,}\b'
```

为每个句子做这项工作：用基本的正则表达式找到它们，并为每个句子查找大写单词，然后通过空格连接将它们保存在数组中

result = []
sentences = re.findall("[^.]+.", text)
for sentence in sentences:
    uppercase = re.findall(pattern, sentence)
    result.append(" ".join(uppercase))
print(result)  # ['TEXT CONTAINING UPPER CASE WORDS', 'SECOND SENTENCE']

在列表理解中，它看起来像

res = [" ".join(re.findall(pattern, sentence)) for sentence in re.findall("[^.]+.", text)]

【讨论】：