使用正则表达式查找句子中开头不是大写字母的单词

Question

使用 Python 和正则表达式，我正在尝试查找文本中以大写字母开头但不在句子开头的单词。

我能想到的最好方法是检查该词是否没有被句号和空格先于。我很确定我需要使用负回顾断言。目前为止，这就是我所拥有的，它会运行，但总是返回空值：

(?<!\.\s)\b[A-Z][a-z]*\b

我认为问题可能出在单词边界 \b 中使用 [A-Z][a-z]*，但我不确定。感谢您的帮助。

- egd

Answer 1

你的正则表达式似乎有效：

In [6]: import re

In [7]: re.findall(r'(?<!\.\s)\b[A-Z][a-z]*\b', 'lookbehind. This is what I have')
Out[7]: ['I']

确保在指定正则表达式时使用原始字符串（r'...'）。

如果您有一些特定的输入，正则表达式无法正常工作，请将它们添加到您的问题中。

- NPE

---

谢谢，我没有使用原始字符串前缀。现在完美运行。 - egd

Answer 2

虽然你特别要求用正则表达式，但考虑使用列表推导也是很有意思的。它们有时更易读（虽然在这种情况下，可能会牺牲一些效率）。以下是一个实现的方式：

import string

S = "T'was brillig, and the slithy Toves were gyring and gimbling in the " + \
    "Wabe. All mimsy were the Borogoves, and the Mome Raths outgrabe."

LS = S.split(' ')

words = [x for (pre,x) in zip(['.']+LS, LS+[' '])
    if (x[0] in string.uppercase) and (pre[-1] != '.')]

- G-J

Answer 3

尝试使用以下代码循环遍历您的输入：

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

并捕获第一组。正如您所看到的，负向先行断言也可以使用，因为您想匹配的位置是除了行首之外的所有内容。负向后行断言将具有相同的效果。

- fge