如何编写正则匹配句首单词时排除Mr./Dr.后的姓名？

现有规则与问题 #

当前已实现的正则匹配规则分为两类：

• 匹配段落开头的首个单词、双引号后出现的句首单词
• 匹配句点加空格后首字母大写的单词

现存误匹配问题：跟在Mr.、Dr.这类尊称后的姓名（如Sherwood）满足「句点加空格后首字母大写」的匹配条件，会被错误命中，这类词汇不属于需要匹配的句首单词范畴。

当前使用的原始正则代码：

((^[A-Z]+[a-z]*[A-Z]*[a-z]*|(?<=")[A-Z]+[a-z]*[A-Z]*[a-z]*)|(?<=\.\s)[A-Z]+[a-z]*[A-Z]*[a-z]*)

修改方法 #

误匹配的核心原因是原有规则中(?<=\.\s)的正向回顾断言没有排除句点属于尊称的场景，只需要在该断言前增加固定长度的负向回顾断言，排除句点前紧邻Mr/Dr的情况即可，修改后的完整正则如下：

((^[A-Z]+[a-z]*[A-Z]*[a-z]*|(?<=")[A-Z]+[a-z]*[A-Z]*[a-z]*)|(?<!\bMr\.)(?<!\bDr\.)(?<=\.\s)[A-Z]+[a-z]*[A-Z]*[a-z]*)

规则说明 #

• 新增的(?<!\bMr\.)、(?<!\bDr\.)负向断言会在匹配. 后大写单词前做校验：如果当前句点是Mr./Dr.这类尊称的结尾，就跳过本次匹配，不会命中后面跟着的姓名
• 所有断言均为固定长度，兼容绝大多数主流正则引擎
• 如果后续需要新增其他同类排除项（如Ms.、Prof.），只需要按照相同格式追加对应负向回顾断言即可
• 调试时可以优先校验尊称后跟姓名的误匹配场景是否被过滤，再验证段落开头、引号后、正常句尾句点后三类合法场景的匹配是否正常

内容的提问来源于stack exchange，提问作者south662