python - 如果连续 N 个单词都是大写，则不匹配的正则表达式

Question

如果您能帮助我构建与以下示例(但不是最后一个示例)匹配的正则表达式，我将不胜感激。

我的目标是匹配 Source 之后的单词，但这些单词应该是组织名称。这些组织名称中 99% 并非全部大写。我想避免匹配仅包含单词 SOURCE 的标签，并且这些单词通常是 n 长度的大写单词。

组织名称并非全部大写。它们可以采取任何形式，而不仅仅是“基金会”等。

匹配

SOURCE Skoll Foundation SUBJECT: --> 'Skoll Foundation'

SOURCE: Skoll Foundation; ABC Found; Institute of Humane INDUSTRY: --> ['Skoll Foundation', 'ABC Found', 'Institute of Humane']
SOURCE SKOLL Foundation --> ['SKOLL Foundation']

不匹配这些:

OPEN SOURCE SOFTWARE  (89%)
SOURCE SOFTWARE ENTERPRISE

我的尝试，但我意识到这恰好与顶部示例中的“SOURCE”匹配。

pat = 'SOURCE:?\s+(?![A-Z\s]{2,20})?'

Answer 1

我相信以下正则表达式应该适合您:

\bSOURCE\b:?(?!( +[A-Z]+){2}\b)((?: +\w+){2,})

Online Regex Demo

基本上，如果该文本包含 2 个连续的全大写单词，则此正则表达式只会丢弃文字文本 SOURCE 之后的任何文本。