Python正则提取首字母大写单词后如何过滤单字母词汇并排序

要去除结果中的单字母单词，只需修改正则表达式，要求首字母大写后至少包含一个小写字母：

将原正则：

re.findall(r'\b[A-Z][a-z]*\b', line)

替换为：

re.findall(r'\b[A-Z][a-z]+\b', line)

逻辑说明 #

• 原表达式中的[a-z]*表示匹配0个或多个小写字母，因此仅单个大写字母的单词会被纳入结果；
• 修改后的[a-z]+表示匹配1个或多个小写字母，直接排除了只有单个大写字母的单词。

完整脚本示例 #

import re

filename = input("Enter the file name: ")
words = []

with open(filename, 'r') as f:
    for line in f:
        # 提取首字母大写且后续至少有一个小写字母的单词
        matches = re.findall(r'\b[A-Z][a-z]+\b', line)
        words.extend(matches)

# 去重后按字母顺序排序输出
unique_sorted_words = sorted(list(set(words)))
print(unique_sorted_words)

运行该脚本处理bzip2.txt，结果会自动排除A、C、R这类单字母单词，同时输出按字母排序的目标单词列表。

内容的提问来源于stack exchange，提问作者Shiv Shah