正则表达式查找一个或多个字符，包括中间有句号、撇号或连字符的字符如果最后一个符号只出现一次，则没有最后一个符号

如何解决正则表达式查找一个或多个字符，包括中间有句号、撇号或连字符的字符如果最后一个符号只出现一次，则没有最后一个符号

re.findall(r'[A-Za-z]+(?=\'|\.|\-[A-Za-z]+)?',txt) 
re.findall(r'[A-Za-z\.\-]+(?:\'[A-Za-z]+)?',txt)

输入

txt = "which would find I'm U.S. co-op,include ending. without the .,but not ' - . rd- "

expected_output

['which','would','find',"I'm","U.S.",'co-op','include','ending','without','the','but','not','rd']

我尝试了上述方法和变体，但无法正常工作。怎么做？

解决方法

您可以使用此正则表达式使用 findall 进行匹配：

\w+(?:['.-]\w+\.?)?

RegEx Demo

正则表达式详情：

• \w+：匹配 1 个以上的单词字符
• (?:['.-]\w+\.?)?：可选的非捕获组，以 ' 或 . 或 - 开头，后跟 1 个以上的单词字符和可选的尾随点。

代码：

import re
txt = "which would find I'm U.S. co-op,include ending. without the .,but not ' - . rd- "
print (re.findall(r"\b\w+(?:['.-]\w+\.?)?",txt))

['which','would','find',"I'm",'U.S.','co-op','include','ending','without','the','but','not','rd']

,

冒着过度考虑您的实际问题的风险，这是我尝试使用以下假设：

• 您只想使用字母字符 [A-Za-z]。
• 您不希望在 "let's play co-op." 等情况下匹配尾随点。
• 最后，我猜您还想捕获双连字符（如 "non-English-speaking"）和不只是一个点的缩写词。

因此，我想出的是：

\b[a-z]+(?:(?:(\.)|['-])[a-z]+\1?)*

查看在线demo。

• \b - 单词边界。
• [a-z]+ - 1+ 个字母字符。
• (?: - 打开第一个非捕获组：
  • (?: - 打开第 1 个非捕获组：
    • (\.)|['-] - 第一个包含点或连字符或撇号的捕获组。
    • )[a-z]+\1? - 关闭第二个非捕获组，匹配 1 个以上的字母字符，并可选择匹配第一个捕获组中捕获的内容（因此是一个点）。
  • )* - 关闭第一个非捕获组并匹配 0 次以上。

在 Python 中，它可能类似于：

import re
txt = "which would find I'm U.S. co-op,but not ' - . rd- "
lst = [m.group(0) for m in re.finditer(r"\b[a-z]+(?:(?:(\.)|['-])[a-z]+\1?)*",txt,re.I)]
print(lst) # ['which','rd']