如何使用re.findall查找不是全部大写字母的单词？

Question

例如，我有s="I REALLY don't want to talk about it, not at all!"

我希望re.findall(reg, s)返回"I" "don't" "want" "to" "talk" "about" "it" "," "not" "at" "all" "!"

到目前为止，我得到reg=r'[^\\w\\s]+|\\w+|\\n' ，它们无法过滤掉"REALLY"这个词

谢谢

Answer 1

\\w+模式匹配1个或多个单词字符，包括ALLCAPS中的单词。

请注意， I ，一个代名词，也是ALLCAPS。 因此，假设您要跳过2个或更多字母的所有ALLCAPS单词，您可以考虑将当前模式修改为

r'[^\w\s]+|\b(?![A-Z]{2,}\b)\w+|\n'

请参阅正则表达式演示

\\b(?![AZ]{2,}\\b)\\w+模式匹配

• \\b - 单词边界
• (?![AZ]{2,}\\b) - 如果在当前位置的右侧，有两个或更多ASCII大写字母后跟一个单词边界，则匹配失败的负前瞻
• \\w+ - 1个或更多单词字符（如果你只想匹配字母，请替换为[^\\W\\d_]+ ）。

要支持所有Unicode大写字母，您可以将PyPi正则表达式与r'[^\\w\\s]+|\\b(?!\\p{Lu}{2,}\\b)\\w+|\\n'模式一起使用，或者使用pLu = '[{}]'.format("".join([chr(i) for i in range(sys.maxunicode) if chr(i).isupper()]))构建类pLu = '[{}]'.format("".join([chr(i) for i in range(sys.maxunicode) if chr(i).isupper()])) （Python 3）或者pLu = u'[{}]'.format(u"".join([unichr(i) for i in xrange(sys.maxunicode) if unichr(i).isupper()])) （Python 2）。 有关unicode大写单词，请参阅Python正则表达式 。 注意我建议坚持使用最新的Python版本或最新的PyPi正则表达式模块。

Answer 2

Brian Kernighan的引用对于正则表达式尤其如此。

每个人都知道调试的难度是首先编写程序的两倍。 因此，如果你在编写它时就像你一样聪明，你将如何调试它？

因此，如果在单个正则表达式中难以执行某些操作，则可能需要将其拆分为两个步骤。 首先查找所有单词，然后过滤掉所有大写单词。 更容易理解，更容易测试。

>>> import re
>>> s="I REALLY don't want to talk about it, not at all!"
>>> words = re.findall(r"[\w']+", s)
>>> words = [w for w in words if w.upper() != w]
>>> print(words)
["don't", 'want', 'to', 'talk', 'about', 'it', 'not', 'at', 'all']