Regex divide mit Großbuchstaben

Question

Ich möchte Zeichenfolgen ersetzen wie 'HDMWhoSomeThing' a 'HDM Who Some Thing' mit Regex.

Ich möchte also Wörter extrahieren, die mit einem Großbuchstaben beginnen oder nur aus Großbuchstaben bestehen. Beachten Sie, dass in der Zeichenfolge 'HDMWho' der letzte Großbuchstabe ist in Wirklichkeit der erste Buchstabe des Wortes Who - und sollte nicht in dem Wort enthalten sein HDM .

Was ist die richtige Regex, um dieses Ziel zu erreichen? Ich habe viele Regex' ausprobiert, die ähnlich sind wie [A-Z][a-z]+ aber ohne Erfolg. Die [A-Z][a-z]+ gibt mir 'Who Some Thing' - ohne 'HDM' natürlich.

Irgendwelche Ideen? Ja, danke, Rukki

Answer 1

Versuchen Sie, mit diesem regulären Ausdruck zu teilen:

/(?=[A-Z][a-z])/

Und wenn Ihre Suchmaschine für reguläre Ausdrücke die Aufteilung von leeren Übereinstimmungen nicht unterstützt, versuchen Sie diesen regulären Ausdruck, um Leerzeichen zwischen die Wörter zu setzen:

/([A-Z])(?![A-Z])/

Ersetzen Sie es durch " $1" (Leerzeichen plus Übereinstimmung der ersten Gruppe). Dann können Sie am Leerzeichen trennen.

Answer 2

One liner :

' '.join(a oder b for a,b in re.findall('([A-Z][a-z]+)|(?:([A-Z]*)(?=[A-Z]))',s))

mit regexp

([A-Z][a-z]+)|(?:([A-Z]*)(?=[A-Z]))

Answer 3

#! /usr/bin/env python

import re
from collections import deque

pattern = r'([A-Z]{2,}(?=[A-Z]|$)|[A-Z](?=[a-z]|$))'
chunks = deque(re.split(pattern, 'HDMWhoSomeMONKEYThingXYZ'))

result = []
while len(chunks):
  buf = chunks.popleft()
  if len(buf) == 0:
    continue
  if re.match(r'^[A-Z]$', buf) and len(chunks):
    buf += chunks.popleft()
  result.append(buf)

print ' '.join(result)

Ausgabe:

HDM Who Some MONKEY Thing XYZ

Nach Codezeilen zu urteilen, passt diese Aufgabe viel besser zu re.findall :

pattern = r'([A-Z]{2,}(?=[A-Z]|$)|[A-Z][a-z]*)'
print ' '.join(re.findall(pattern, 'HDMWhoSomeMONKEYThingX'))

Ausgabe:

HDM Who Some MONKEY Thing X

Answer 4

Kann '[A-Z]*?[A-Z][a-z]+' sein?

Edita: Das scheint zu funktionieren: [A-Z]{2,}(?![a-z])|[A-Z][a-z]+

import re

def find_stuff(str):
  p = re.compile(r'[A-Z]{2,}(?![a-z])|[A-Z][a-z]+')
  m = p.findall(str)
  result = ''
  for x in m:
    result += x + ' '
  print result

find_stuff('HDMWhoSomeThing')
find_stuff('SomeHDMWhoThing')

Druckt aus:

HDM Wer Irgendetwas

Eine HDM-Wer-Sache

Answer 5

Worte" sind in diesem Fall also:

1. Beliebig viele Großbuchstaben - es sei denn, auf den letzten Großbuchstaben folgt ein Kleinbuchstabe.
2. Ein Großbuchstabe gefolgt von einer beliebigen Anzahl von Kleinbuchstaben.

Versuchen Sie es also:

([A-Z]+(?![a-z])|[A-Z][a-z]*)

Die erste Alternation enthält eine negative Vorausschau (?![a-z]), die die Grenze zwischen einem Wort mit Großbuchstaben und einem Wort mit Anfangsbuchstaben behandelt.