要找到首字母大寫的單詞（一個或多個連續）？

Question

我需要在python中編寫一個正則表達式，它可以從首字母大寫的文本中找到單詞，這些單詞可以是單個或連續的。

例如，對於句子

Dallas Buyer Club is a great American biographical drama film,co-written by Craig Borten and Melisa Wallack, and Directed by Jean-Marc Vallee. 

expexted輸出應該

'Dallas Buyer Club', 'American', 'Craig Borten', 'Melisa Wallack', 'Directed', 'Jean-Marc Vallee' 

我寫這個正則表達式，

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

但這個輸出是

'Dallas Buyer Club', 'Craig Borten, 'Melisa Wallack', 'Jean-Marc Valee' 

它只能打印連續第一個大寫單詞，而不是單一的話就像

'American', 'Directed' 

也正則表達式，

[A-Z][a-z]+ 

打印所有的話，但個別，

'Dallas', 'Buyers', 'Club' and so on. 

請幫助我解決這個問題。 。

Answer 1

我想你混淆了括號（並進行正則表達式有點太複雜，簡單地使用：

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

所以在這裏我們有一個匹配的部分[A-Za-z]+，併爲了配合以上的團體，我們只是使用(...)*重複...零或多次。在...我們包括分離器（S）（這裏\s），並再次組（[A-Z][a-z]+）。

然而，這將不包括在'Jean'和'Marc'之間的連字符。爲了將它包括在內，我們可以擴大\s：

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

根據一些其他字符（或字符序列）的允許，你可能不得不進一步改變[\s-]部分）。

這就產生：

>>> rgx = re.compile(r'[A-Z][a-z]+(?:[\s-][A-Z][a-z]+)*') 
>>> txt = r'Dallas Buyer Club is a great American biographical drama film,co-written by Craig Borten and Melisa Wallack, and Directed by Jean-Marc Vallee.' 
>>> rgx.findall(txt) 
['Dallas Buyer Club', 'American', 'Craig Borten', 'Melisa Wallack', 'Directed', 'Jean-Marc Vallee'] 

編輯：如果剩餘的字符可以是大寫，以及，你可以使用：

[A-Z][A-Za-z]+(?:[\s-][A-Z][A-Za-z]+)*

注意，這將匹配單詞，2或更多字符。如果一個字字符應匹配，以及像'J R R Tolkien'，那麼你可以這樣寫：

[A-Z][A-Za-z]*(?:[\s-][A-Z][A-Za-z]*)*