标点符号前提取词的正则表达式

Question

我试图提取出现在标点符号之前的短语，但它的形式是短语中的大写单词。

抽象代数.现代数学领域，认为代数结构是具有运算的集合，并将通常与实数系统相关联的代数概念推广到其他更一般的系统，如群、环、域、模和向量空间。 代数:数学的一个分支，它使用符号或字母来表示变量、值或数字，然后可以用来表示运算和关系以及求解方程。 代数表达式.一种数字和字母的组合，相当于语言中的短语，例如x2 +3x-4。 分析(笛卡尔)几何学:利用坐标系统和代数分析原理研究几何，从而定义几何形状，并从表示中提取数值信息。 归纳推理或逻辑：推理的一种类型，它涉及从一组具体的事实转移到一个一般的结论，表示对结论的某种程度的支持，而没有实际确保其真实性。

目前，我正在使用以下正则表达式：

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

我对此有两个问题。

1. 我认为这不是最好的写作方式。
2. 它没有捕捉到一个短语中有两个以上单词的词。

Answer 1

试试^[A-Z][^.,:';]+

解释：

^ -行的开头

[A-Z] -单大写字符

[^.,:';]+ -与.,:';不同的一个或多个字符

演示

Answer 2

对当前数据不匹配超过一个单词的原因之一是模式以[? ]开头，它将匹配空格或问号。

您还可以省略一些捕获组，并使用单个组。请注意，您不必使用[a-z\s]+?[.:]使此匹配不贪婪，因为字符类不包含.或:

要获得大写单词后面的.或:，您可以使用：

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

解释

• \b字界
• ( Capture group 1
  • [A-Z][a-z]+
  • (?:\s+[A-Z][a-z]+)*重复0+倍匹配and和1+倍A-Z

​

• )紧群
• [.:]匹配.或:

Regex演示

如果您还想匹配由(和)包围的单词，则可以使用替换。

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

Regex演示