Python正则表达式并不匹配所有预期的单词。

Question

在regexr.com上，我开发了一个与特定类型的专有名称相匹配的正则表达式。下面是这样的表达：

\b([a-z]?[A-Z]+[\w]*[ ]*)+\b

您可以看到，在http://regexr.com/3bifh中，大量的示例正在按预期进行匹配。

例如，根据赫尔曼·梅尔维尔的“白鲸”或“白鲸”，它与Moby Dick、White Whale和Herman Melville相匹配

我试图在Python中复制这个结果，但效果不太好。下面是代码：

import re

text = "Moby Dick or the White Whale by Herman Melville"
print(re.findall(r"\b([a-z]?[A-Z]+[\w]*[ ]*)+\b", text))

产出如下：

['Dick ', 'Whale ', 'Melville']

这只匹配上面每个结果的最后一部分。为什么这个表达式在Python中不起作用？

Answer 1

Regex引擎只记得多个组匹配时的最后一组。

你可以用这个代替

 print (re.findall(r"\b((?:[a-z]?[A-Z]+[\w]*[ ]*)+)\b", text))

Answer 2

将捕获组转换为非捕获组。

print(re.findall(r"\b(?:[a-z]?[A-Z]+[\w]*[ ]*)+\b", text))

参见这里，它与第一部分匹配，但捕获了第二部分。re.findall将优先考虑捕获，然后是匹配。所以它打印出了第二部分。

改变你的模式，如打击，如果你不想匹配尾随空格字符。

r'\b[a-z]?[A-Z]+\w*(?: [a-z]?[A-Z]+\w*)+'

演示