使用regex查找句子中的标题大小写

Question

我正在尝试使用Regex来提取标题中的短语和句子中出现的单词。

到目前为止的努力。

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

这个Regex代码应用于下面的示例句子时 可以找到那些粗体字。但我需要忽略像This和Whether这样的词（句子开头）。

样例句。

This 是一个 例句 以检查 实际价值 本守则的。无论 行不行 不 取决于结果。

期待。

这是一个 例句 以检查 实际价值 的这段代码。无论它是否有效 不 取决于结果。

有用的代码。

import regex as re

text='This is a Sample Sentence to check the Real Value of this code. Whether it works or Not depends upon the result. A State Of The Art Technology is needed to do this work.'
rex=r'(?<!^|[.!?]\ )\b[A-Z][a-z]+(?:\ [A-Z][a-z]+)*\b'

matches = re.finditer(rex,text)
results = [match[0] for match in matches]
print(results)

结果：

['Sample Sentence', 'Real Value', 'Not', 'State Of The Art Technology']

Answer 1

假设你的regex风味支持Lookbehinds，我会使用类似这样的代码。

(?<!^|\.\ )\b[A-Z][a-z]+(?:\ [A-Z][a-z]+)*\b

演示.

这将支持那些前面有缩写、标点符号或除了句号（上一句话的结尾）以外的几乎所有单词。

---

编辑。

根据... 尼克的建议，最好在评论中加上 ! 和 ? 在Lookbehind中支持以其中任何一个结尾的句子，而不仅仅是句号。

(?<!^|[.!?]\ )\b[A-Z][a-z]+(?:\ [A-Z][a-z]+)*\b

演示.

Answer 2

如果您的句子总是单倍行距，您可以使用正向的lookbehind查找字母和空格，以找到标题格式的表达式的开始。

(?<=[a-z,] )(?:[A-Z][a-z]+(?![a-z]).)+

这个regex允许表达式以标点符号结束，而不是仅仅以空格结束(例如. the Final Result.).

regex101的演示