要找到首字母大写的单词（一个或多个连续）？

Question

我需要在python中编写一个正则表达式，它可以从首字母大写的文本中找到单词，这些单词可以是单个或连续的。

例如，对于句子

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输出应该

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

我写这个正则表达式，

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

但这个输出是

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

它只能打印连续第一个大写单词，而不是单一的话就像

'American', 'Directed' 

也正则表达式，

[A-Z][a-z]+ 

打印所有的话，但个别，

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

请帮助我解决这个问题。 。

Answer 1

我想你混淆了括号（并进行正则表达式有点太复杂，简单地使用：

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

所以在这里我们有一个匹配的部分[A-Za-z]+，并为了配合以上的团体，我们只是使用(...)*重复...零或多次。在...我们包括分离器（S）（这里\s），并再次组（[A-Z][a-z]+）。

然而，这将不包括在'Jean'和'Marc'之间的连字符。为了将它包括在内，我们可以扩大\s：

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

根据一些其他字符（或字符序列）的允许，你可能不得不进一步改变[\s-]部分）。

这就产生：

>>> 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'] 

编辑：如果剩余的字符可以是大写，以及，你可以使用：

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

注意，这将匹配单词，2或更多字符。如果一个字字符应匹配，以及像'J R R Tolkien'，那么你可以这样写：

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