正则表达式提取含大写/数字/特殊字符的连续单词序列问题

问题分析 #

当前正则仅能匹配单个符合条件的单词，无法将连续的符合条件单词合并为一个序列，这才导致DDD和Code被拆分。需要调整正则逻辑，匹配连续的、每个都包含目标元素的单词组成的完整序列。

修正后的实现代码 #

import re

text = 'aBC has been contacting Maria and James where their DDD Code for system DB-54:ABB is 12343-4.'
# 匹配连续的符合条件单词序列
pattern = r'\b(?:\w*[A-Z0-9:-]\w*(?:\s+))*\w*[A-Z0-9:-]\w*\b'
raw_result = re.findall(pattern, text)
# 清理结果中的多余空格和末尾标点
cleaned_result = [item.strip(' .,!') for item in raw_result]

# 输出格式化结果
for item in cleaned_result:
    print(f'- {item}')

正则逻辑说明 #

• \b：匹配单词边界，避免部分匹配（比如不会从中间截取单词）
• \w*[A-Z0-9:-]\w*：匹配单个符合条件的单词——要求单词中至少包含一个大写字母、数字、冒号或连字符
• (?:\w*[A-Z0-9:-]\w*(?:\s+))*：匹配0次或多次「符合条件的单词 + 空格」结构，实现连续单词的合并
• 整个表达式会自动将连续的符合条件单词拼接成一个完整序列

最终输出结果 #

• aBC
• Maria
• James
• DDD Code
• DB-54:ABB
• 12343-4

内容的提问来源于stack exchange，提问作者ryuzakinho