识别含有连续大写字母的行

Question

我想找一种逻辑，可以在Python中搜索一行里的大写字母单词，比如我有一个*.txt文件：

aaa
adadad     
DDD_AAA    
Dasdf Daa

我想只搜索那些有两个或更多大写字母单词连在一起的行（在上面的例子中就是DDD_AAA）。

Answer 1

假设你定义的“首字母大写词”是由两个或更多大写字母（不是数字）组成的字符串，也就是 [A-Z]。同时，假设分隔一个“首字母大写词”和另一个的不是简单的非大写字母，而是所有非字母数字的字符，也就是 [^a-zA-Z0-9]，那么你需要找的正则表达式大概是这样的：

\b[A-Z]{2,}\b.*\b[A-Z]{2,}\b

我说“大概”是因为上面的说法并不完全正确：\b 会把下划线 _ 也算作一个单词字符。你可以把 \b 替换成 [^a-zA-Z0-9]，并用环视断言把它包起来（这样它就变成零宽度的，像 \b 一样），这样你就得到了正确的正则表达式：

(?<=[^a-zA-Z0-9]|^)[A-Z]{2,}(?=[^a-zA-Z0-9]).*(?<=[^a-zA-Z0-9])[A-Z]{2,}(?=[^a-zA-Z0-9]|$)

这里有一个 Rubular 的演示。

最后，如果你把一个字符的词也算作“词”，那么只需要去掉 {2,} 这个量词就可以了：

(?<=[^a-zA-Z0-9]|^)[A-Z]+(?=[^a-zA-Z0-9]).*(?<=[^a-zA-Z0-9])[A-Z]+(?=[^a-zA-Z0-9]|$)

Answer 2

print re.findall("[A-Z][a-zA-Z]*\s[A-Z][a-zA-Z]",search_text)

应该可以用来匹配两个都以大写字母开头的单词

针对你具体的例子

lines = []
for line in file:
   if re.findall("[A-Z][a-zA-Z]*\s[A-Z][a-zA-Z]",line): lines.append(line)

print lines

基本上要看看正则表达式!

Answer 3

正则表达式是解决问题的好方法：

import re
pattern = "([A-Z]+_[A-Z]+)" # matches CAPITALS_CAPITALS only
match = re.search(pattern, text)
if match: print match.group(0)

不过，你得先弄清楚你到底在找什么。