Regext匹配大寫單詞，以及周圍的+ - 4個單詞

Question

我有一堆文件，我有興趣找到臨床試驗的提及。 這些總是用全部大寫字母表示（例如ASPIRE）。 我希望匹配所有大寫字母中的任何單詞，大於三個字母。 我也想要周圍的+ - 4個單詞用於上下文。

以下是我目前的情況。 它有點工作，但未通過下面的測試。

import re
pattern = '((?:\w*\s*){,4})\s*([A-Z]{4,})\s*((?:\s*\w*){,4})'
line = r"Lorem IPSUM is simply DUMMY text of the printing and typesetting INDUSTRY."
re.findall(pattern, line)

Answer 1

以下正則表達式適合您嗎？

(\b\w+\b\W*){,4}[A-Z]{3,}\W*(\b\w+\b\W*){,4}

在此測試： https ： //regex101.com/r/nTzLue/1/

Answer 2

在左側，您可以匹配任何單詞字符\\w+一次或多次，然后是任何非單詞字符\\W+一次或多次。 將這兩個組合在非捕獲組中並重復4次{4}如(?:\\w+\\W+){4}

然后捕獲一組中的3個或更多大寫字符([AZ]{3,}) 。

或者在右側，您可以將左側匹配的單詞和非單詞字符匹配(?:\\W+\\w+){4}

(?:\\w+\\W+){4}([AZ]{3,})(?:\\W+\\w+){4}

捕獲的組將包含您的大寫單詞，而捕獲組將包含周圍的單詞。

Answer 3

您可以在python中使用此代碼，分兩步完成。 首先，我們將輸入分為4個以上的大寫單詞，然后我們在匹配的兩邊找到最多4個單詞。

import re

str = 'Lorem IPSUM is simply DUMMY text of the printing and typesetting INDUSTRY'

re1 = r'\b([A-Z]{4,})\b'
re2 = r'(?:\s*\w+\b){,4}'

arr = re.split(re1, str)

result = []

for i in range(len(arr)):
    if i % 2:
        result.append( (re.search(re2, arr[i-1]).group(), arr[i], re.search(re2, arr[i+1]).group()) )


print result

代碼演示

輸出：

[('Lorem', 'IPSUM', ' is simply'), (' is simply', 'DUMMY', ' text of the printing'), (' text of the printing', 'INDUSTRY', '')]

Answer 4

這應該做的工作：

pattern = '(?:(\w+ ){4})[A-Z]{3}(\w+ ){5}'