如何使用re.findall查找不是全部大寫字母的單詞？

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" "!"

到目前為止，我得到reg=r'[^\\w\\s]+|\\w+|\\n' ，它們無法過濾掉"REALLY"這個詞

謝謝

Answer 1

\\w+模式匹配1個或多個單詞字符，包括ALLCAPS中的單詞。

請注意， I ，一個代名詞，也是ALLCAPS。 因此，假設您要跳過2個或更多字母的所有ALLCAPS單詞，您可以考慮將當前模式修改為

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

請參閱正則表達式演示

\\b(?![AZ]{2,}\\b)\\w+模式匹配

• \\b - 單詞邊界
• (?![AZ]{2,}\\b) - 如果在當前位置的右側，有兩個或更多ASCII大寫字母后跟一個單詞邊界，則匹配失敗的負前瞻
• \\w+ - 1個或更多單詞字符（如果你只想匹配字母，請替換為[^\\W\\d_]+ ）。

要支持所有Unicode大寫字母，您可以將PyPi正則表達式與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()]))構建類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）。 有關unicode大寫單詞，請參閱Python正則表達式 。 注意我建議堅持使用最新的Python版本或最新的PyPi正則表達式模塊。

Answer 2

Brian Kernighan的引用對於正則表達式尤其如此。

每個人都知道調試的難度是首先編寫程序的兩倍。 因此，如果你在編寫它時就像你一樣聰明，你將如何調試它？

因此，如果在單個正則表達式中難以執行某些操作，則可能需要將其拆分為兩個步驟。 首先查找所有單詞，然后過濾掉所有大寫單詞。 更容易理解，更容易測試。

>>> 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']