Nhận các từ được viết hoa liên tiếp bằng cách sử dụng regex

Question

Tôi gặp sự cố với regex của mình để nắm bắt các từ được viết hoa liên tiếp. Dưới đây là những gì tôi muốn regex để nắm bắt:

"said Polly Pocket and the toys" -> Polly Pocket 

Đây là regex Tôi đang sử dụng:

re.findall('said ([A-Z][\w-]*(\s+[A-Z][\w-]*)+)', article) 

Nó trả về như sau:

[('Polly Pocket', ' Pocket')] 

tôi muốn nó trở lại :

['Polly Pocket'] 

Answer 1

Sử dụng tích cực nhìn về phía trước:

([A-Z][a-z]+(?=\s[A-Z])(?:\s[A-Z][a-z]+)+) 

Khẳng định rằng từ hiện tại, để được chấp nhận, cần phải được theo sau bởi một từ khác với một chữ cái viết hoa trong đó. Chia nhỏ:

(    # begin capture 
    [A-Z]   # one uppercase letter \ First Word 
    [a-z]+   # 1+ lowercase letters/
    (?=\s[A-Z])  # must have a space and uppercase letter following it 
    (?:    # non-capturing group 
    \s    # space 
    [A-Z]   # uppercase letter \ Additional Word(s) 
    [a-z]+   # lowercase letter /
)+    # group can be repeated (more words) 
)    #end capture 

Answer 2

Đó là vì findall trả về tất cả các nhóm chụp trong regex của bạn, và bạn có hai nhóm chụp (một trong đó được tất cả các văn bản phù hợp, và bên trong một cho những lời tiếp theo).

Bạn chỉ có thể làm cho nhóm chụp thứ hai của bạn vào một tổ chức phi chụp từng người sử dụng (?:regex) thay vì (regex):

re.findall('([A-Z][\w-]*(?:\s+[A-Z][\w-]*)+)', article) 

Answer 3

$mystring = "the United States of America has many big cities like New York and Los Angeles, and others like Atlanta"; 

@phrases = $mystring =~ /[A-Z][\w'-]\*(?:\s+[A-Z][\w'-]\*)\*/g; 

print "\n" . join(", ", @phrases) . "\n\n# phrases = " . scalar(@phrases) . "\n\n"; 

OUTPUT:

$ ./try_me.pl 

United States, America, New York, Los Angeles, Atlanta 

\# phrases = 5