Python RgEx：提取第一个连续的大写字母

Question

我有一些新闻标题，我想摘录标题中涉及的公司名称。下面是一个例子

headlines = [
    "Chicago Policemen's Annuity & Benefit Fund hired Chicago Equity Partners to manage $50 million in active U.S. smidcap value equity.",
    "Belmont Contributory Retirement System is searching for at least one U.S. small-cap equity manager to run initially up to $5 million.",
    "Phoenix Employees' Deferred Compensation Board will begin a search for an investment consultant before the end of February."    
]

如您所见，这里的模式是，感兴趣的公司名称是第一个大写单词链。第二个大写单词链是第二个公司。你知道吗

在我们的示例中，我想返回两个变量，它们都与提取连续的大写字母有关。因此，它将返还“芝加哥警察年金和福利基金”、“贝尔蒙特缴费退休制度”和“凤凰城员工递延薪酬委员会”

有没有办法用Python中的正则表达式进行提取？你知道吗

Answer 1

此正则表达式将找到标题样式的表达式：

((?:[A-Z][a-z\']+ ?)| & ){2,}(?= \b)

您可以看到完整的测试here

Answer 2

对于给定的示例，maybe is是一个选项，用于匹配连续的大写单词，直到遇到空格和小写字符或字符串结尾。你知道吗

^{}

解释

• 从字符串的开头^
• 非捕获群(?:
  • 匹配大写字符[A-Z]
  • 不匹配大写字符一次或多次非贪婪[A-Z]+?
• 关闭捕获组)+并重复一次或多次
• 一个积极的前瞻(?=，断言接下来的是
  • 后跟小写字符的空格[a-z]
  • |或
  • 字符串的结尾$
• 关闭正向前瞻)

在这种情况下，匹配将停止，直到遇到空格和小写字符为止，但是您可以将character类扩展到[a-z&]，以便在遇到空格和符号时停止匹配。你知道吗

Answer 3

只是为了让你走上正确的方向

步骤1：分割字符串（分隔符是空格）

步骤2：检查位置0处的字符是否大写

步骤3：将子字符串添加/附加到your company name

第四步：重复第二步和第三步，直到第二步失败，然后你有你的公司名称。你知道吗

有关切片的更多帮助： https://www.pythoncentral.io/cutting-and-slicing-strings-in-python/