求可匹配4种相似输入模式的单一正则表达式

需求概述 #

需要一个正则表达式，能匹配并捕获以下4种输入的对应部分：

• Input_1: CountryINDIA → 捕获结果：Country, INDIA
• Input_2: CountryIndia → 捕获结果：Country, India
• Input_3: CountryINDIAAustralia → 捕获结果：Country, INDIA, Australia
• Input_4: CountryIndiaAustralia → 捕获结果：Country, India, Australia

现有尝试的问题 #

你使用的正则表达式：

(^[A-Z][a-z]+)([A-Z]\w.*(?=[A-Z]))?((?<=[A-Z])\w.*$)

仅能正确匹配Input_3，处理Input_1时会错误捕获为('Country', 'INDI', '')。核心问题是其中的正向预查(?=[A-Z])要求INDIA后必须存在大写字母，但Input_1中INDIA是字符串结尾，导致只匹配到INDI，最后一组为空。

解决方案 #

适配多场景的正则表达式 #

针对所有输入场景，可使用以下正则（以Python环境为例，支持精准分组捕获）：

^([A-Z][a-z]+)(?:([A-Z]+)|([A-Z][a-z]+))(?:([A-Z][a-z]+))?$

正则逻辑解释 #

• ^([A-Z][a-z]+)：匹配开头首字母大写、后续全小写的前缀（如Country），作为第一个捕获组。
• (?:([A-Z]+)|([A-Z][a-z]+))：非捕获组包裹两种匹配规则，匹配第一个后续片段：
  • ([A-Z]+)：捕获全大写序列（如INDIA）
  • ([A-Z][a-z]+)：捕获首字母大写、后续小写的单词（如India）
• (?:([A-Z][a-z]+))?$：可选非捕获组，匹配第二个后续小写开头的单词（如Australia），仅在存在时捕获。

测试验证 #

使用Python代码验证所有输入：

import re

pattern = r'^([A-Z][a-z]+)(?:([A-Z]+)|([A-Z][a-z]+))(?:([A-Z][a-z]+))?$'
test_cases = [
    'CountryINDIA',
    'CountryIndia',
    'CountryINDIAAustralia',
    'CountryIndiaAustralia'
]

for case in test_cases:
    match = re.fullmatch(pattern, case)
    if match:
        # 过滤空分组，整理输出结果
        result = [g for g in match.groups() if g]
        print(f"{case} → {', '.join(result)}")

输出结果：

CountryINDIA → Country, INDIA
CountryIndia → Country, India
CountryINDIAAustralia → Country, INDIA, Australia
CountryIndiaAustralia → Country, India, Australia

通用简化方案 #

如果需要支持更多后续单词，可使用re.findall结合更简洁的正则：

[A-Z][a-z]*|[A-Z]+

该正则会直接提取所有符合规则的片段，示例代码：

for case in test_cases:
    parts = re.findall(r'[A-Z][a-z]*|[A-Z]+', case)
    print(f"{case} → {', '.join(parts)}")

输出结果与上述一致。

内容的提问来源于stack exchange，提问作者dipindashoff