python - 排除匹配的字符串 python re.findall

Question

我正在使用 python 的 re.findall 方法来查找输入字符串中某个字符串值的出现。 例如通过搜索“ABCdef”字符串，我有两个搜索要求。

1. 查找以单个大写字母开头的字符串。
2. 在 1 之后找到包含所有大写字母的字符串。

例如输入字符串和预期输出将是:

• '美国' -- 输出:['美国']
• 'BObama' -- 输出:['B', 'Obama']
• 'Institute20CSE' -- 输出:['Institute', '20', 'CSE']

所以我的期望

>>> matched_value_list = re.findall ( '[A-Z][a-z]+|[A-Z]+' , 'ABCdef' )

是返回['AB', 'Cdef']。

但这似乎并没有发生。我得到的是 ['ABC'] 作为返回值，它与正则表达式的后面部分与完整字符串匹配。

那么有什么方法可以忽略找到的匹配项。这样一旦 'Cdef' 与 '[A-Z][a-z]+' 匹配。正则表达式的第二部分(即 '[A-Z]+')仅匹配剩余的字符串 'AB'?

Answer 1

首先您需要匹配 AB，它后面跟着一个大写字母，然后是一个小写字母。或者在字符串的末尾。为此，您可以使用 look-ahead。

然后您需要匹配一个大写字母 C，然后是多个小写字母 def。

所以，你可以使用这个模式:

>>> s = "ABCdef"
>>> re.findall("([A-Z]+(?=[A-Z][a-z]|$)|[A-Z][a-z]+)", s)
['AB', 'Cdef']

>>> re.findall("([A-Z]+(?=[A-Z][a-z]|$)|[A-Z][a-z]+)", 'MumABXYZCdefXYZAbc')
['Mum', 'ABXYZ', 'Cdef', 'XYZ', 'Abc']

---

正如@sotapme 在评论中指出的，您还可以将上述正则表达式修改为:-

"([A-Z]+(?=[A-Z]|$)|[A-Z][a-z]+|\d+)"

添加了 \d+ 因为您还想匹配其中一个示例中的数字。此外，他从前瞻的第一部分中删除了 [a-z] 部分。这是有效的，因为 [A-Z] 外面的 + 量词默认是贪婪的，所以，它会自动匹配最大字符串，并且只会在最后一个 之前停止大写字母表。