Python用于标识行首两个连续大写单词

Question

我有一段文本，我想从其中移除每一个名字，"Remggrehte Sertrro“和"Perrhhfson Forrtdd”。我尝试应用这个regex：([A-Z][a-z]+(?=\s[A-Z])(?:\s[A-Z][a-z]+)+)，但是它识别了"Remggrehte“、"Perrhhfson”和文本中的"Mash“。基本上，我希望它只在行的开头识别前两个大写单词，而不触及其余的。我不是regex专家，我不知道如何调整它。

案文如下：

雷姆格列

雷姆格丽特·塞尔特罗我们多年来确实希望每周工作4天。

弗尔特德

Perrhhfson如果鼓点没有得到足够的测试和PPE齿轮，经济Mash Mush将继续。

提前谢谢。

Answer 1

你不需要积极的展望来匹配前两个大写单词。

在您的模式中，这个部分(?=\s[A-Z])可以省略，因为您首先断言它，然后直接匹配它。

您可以在没有捕获组的情况下匹配前两个单词，并在右边断言一个空白边界(?!\S)。

^[A-Z][a-z]+[^\S\r\n][A-Z][a-z]+(?!\S)

解释

• 字符串的^开始
• [A-Z][a-z]+匹配一个字符and和1+小写字符and
• [^\S\r\n]匹配除换行符以外的空白字符，因为\s也可以匹配换行符，您希望在行的开头匹配两个连续的大写单词。
• [A-Z][a-z]+匹配一个字符and和1+小写字符and
• (?!\S)在右边断言一个空白边界

Regex演示

注意到，[A-Z][a-z]+只匹配字符a。要匹配单词字符，可以使用\w而不是[a-z]。

Answer 2

您可以使用此模式/^([A-Z]+.*? ){2}/m，如果您始终确定只得到的两个术语(大写首字母)，而总是在前两个术语()内嵌。使用regex101.com的示例

Answer 3

您可以删除只包含使用re.MULTILINE标志的名称的行和下面的regex：r"^(?:[A-Z]\w+\s+[A-Z]\w+\s+)$"。只有在没有额外文本的情况下，这个正则表达式才会匹配每个名称。

下面是一个演示：

import re

text = """\
Remggrehte Sertrro

Remggrehte Sertrro We did want a 4-day work week for years.

Perrhhfson Forrtdd

Perrhhfson Forrtdd If drumph does n't get sufficient testing and PPE gear , the economy Mash Mush will continue to.
"""

print(re.sub(r"^(?:[A-Z]\w+\s+[A-Z]\w+\s+)$", "", text, flags=re.MULTILINE))

你得到：

Remggrehte Sertrro We did want a 4-day work week for years.


Perrhhfson Forrtdd If drumph does n't get sufficient testing and PPE gear , the economy Mash Mush will continue to.