正则表达式将单词与第一个大写字母匹配

Question

尝试使用正则表达式识别文本数据的结构并遇到障碍。

对于下面的示例文本

Lorem Ipsum只是印刷和排版行业的虚拟文本。自16世纪以来，Lorem Ipsum一直是业界的标准虚拟文本。

我是一个标签-Lorem Ipsum只是打印的虚拟文本

下面的正则表达式选择I AM A HEADER：和I AM A TAB-

^\s*(?:\b[A-Z]+\b[\s]*)+(?:[:-])\s*$

请建议进行编辑，以匹配“我是标题”和“我是标签”，并忽略结尾标记“：”和“-”。

Answer 1

这是@Stribizev的解决方案，效果很好。

^\s*(?:\b[a-zA-Z]+\b\s*)+(?=[:-])

对于像我这样的新手，这是对解决方案的简单解释：

> ^\s      Anchor to the white space (tab, newline, blankspace)
> *        Look for repetition of white space if any 
> (?:      Start a non-capturing group 
> \b       Look for a word 
> [a-zA-Z] Anyword that starts with either a capital or small alphabet
> +        Look for repeating capital/small alphabets
> \s*      Match a blank space after the word 
> )+       Repeat 
> (?=      Ignore what follows (my best guess) 
> [:-]     Look for ':' or '-'

本质上，这个正则表达式在换行符中寻找一组单词，后面跟着“：”或“-”

通过添加{n，m}as，告诉上面的表达式超出您开始丢失相关信息的单词数，从而使上面的表达式更智能

^[\s]*(?:\b[a-zA-Z]+\b[\s]*){1,3}(?=[:-])

Answer 2

你可以用

^\s*(?:\b[a-zA-Z]+\b\s*)+(?=[:-])

查看正则表达式演示

正则表达式分解：

• ^-字符串的开头

这里的要点是将[a-z]添加到[a-z]范围，删除\s*$并将（？：…）非捕获组转到前瞻（不使用字符）。