如何使用 Python 正则表达式查找首字母大写的所有单词

Question

我需要找到文件中所有以大写字母开头的单词，我尝试了下面的代码，但它 returns 是一个空字符串。

import os
import re

matches = []

filename = 'C://Users/Documents/romeo.txt'
with open(filename, 'r') as f:
    for line in f:
        regex = "^[A-Z]\w*$"
        matches.append(re.findall(regex, line))
print(matches)

文件：

Hi, How are You?

输出：

[Hi,How,You]

Answer 1

你可以使用

import os, re

matches = []
filename = r'C:\Users\Documents\romeo.txt'
with open(filename, 'r') as f:
    for line in f:
        matches.extend([x for x in re.findall(r'\w+', line) if x[0].isupper()])
print(matches)

我们的想法是用一个简单的 \w+ 正则表达式提取所有单词，并只将那些以大写字母开头的单词添加到最终的 matches 列表中。

参见Python demo。

注意：如果你只想匹配字母词使用r'\b[^\W\d_]+\b'正则表达式。

这种方法是 Unicode 友好的，也就是说，任何首字母大写的 Unicode 单词都会被找到。

你:

Is there a way to limit this to only words that start with an upper case letter and not all uppercase words

您可以将之前的代码扩展为

[x for x in re.findall(r'\w+', line) if x[0].isupper() and not x.isupper()]

参见 this Python demo，"Hi, How ARE You?" 产生 ['Hi', 'How', 'You']。

或者，要避免在输出中出现 CaMeL 词，请使用

matches.extend([x for x in re.findall(r'\w+', line) if x[0].isupper() and all(i.islower() for i in x[1:])])

参见 this Python demo，其中 all(i.islower() for i in x[1:]) 确保第一个字母之后的所有字母均为小写。

完全正则表达式方法

您可以使用支持 Unicode 属性和 POSIX 字符类、\p{Lu}/\p{Ll} 和 [=22 的 PyPi 正则表达式模块=]/[:lower:]。所以，解决方案看起来像

import regex
text = "Hi, How ARE You?"
# Word starting with an uppercase letter:
print( regex.findall(r'\b\p{Lu}\p{L}*\b', text) )
## => ['Hi', 'How', 'ARE', 'You']
# Word starting with an uppercase letter but not ALLCAPS:
print( regex.findall(r'\b\p{Lu}\p{Ll}*\b', text) )
## => ['Hi', 'How', 'You']

参见 Python demo online 其中

\b - 单词边界
\p{Lu} - 任何大写字母[=71=]
\p{L}* - 任意零个或多个字母[=71=]
\p{Ll}* - 任意零个或多个小写字母[=71=]

Answer 2

您可以使用单词边界代替锚 ^ 和 $

\b[A-Z]\w*

Regex demo

请注意，如果您使用 matches.append，您将一个项目添加到列表中，然后 re.findall returns 一个列表，这将为您提供一个列表列表。

import re

matches = []
regex = r"\b[A-Z]\w*"
filename = r'C:\Users\Documents\romeo.txt'
with open(filename, 'r') as f:
    for line in f:
        matches += re.findall(regex, line)
print(matches)

输出

['Hi', 'How', 'You']

如果左边应该有一个空白边界，你也可以使用

(?<!\S)[A-Z]\w*

Regex demo

如果您不想使用 \w 匹配仅包含大写字符的单词，您可以使用例如否定前瞻来断言不仅大写字符直到单词边界

\b[A-Z](?![A-Z]*\b)\w*

\b 防止部分匹配的单词边界
[A-Z] 匹配大写字符 A-Z
(?![A-Z]*\b) 否定前瞻，不仅断言大写字符后跟单词边界
\w* 匹配可选的单词字符

Regex demo

要匹配以大写字符开头且不包含更多大写字符的单词：

\b[A-Z][^\WA-Z]*\b

\b一个单词边界
[A-Z] 匹配大写字符 A-Z
[^\WA-Z]* 可选择匹配不带字符 A-Z 的单词字符
\b一个单词边界

Regex demo

如何使用 Python 正则表达式查找首字母大写的所有单词

How to find all words with first letter as upper case using Python Regex

python

regex

file

python-3.x

python-re