使用正则表达式生成英文首字母缩写时文本重复问题如何解决

错误原因 #

你对re.sub方法的传参逻辑理解有误：re.sub(匹配规则, 替换内容, 原字符串)中，如果替换内容传固定字符串，会把每一个匹配到的子串都替换成这个完整的固定字符串。
你的正则r'(\b\w)'可以匹配到Data的首字母D和Science的首字母S两个结果，你传入的替换内容是some_words.upper()生成的固定值DATA SCIENCE，替换逻辑如下：

1. 原字符串第一个匹配到的D被替换为DATA SCIENCE，剩余未匹配的ata Science保留
2. 后续匹配到的S被替换为DATA SCIENCE，剩余未匹配的cience保留
   最终拼接后就得到了你看到的重复输出DATA SCIENCEata DATA SCIENCEcience。

修正代码 #

场景1：预期输出全大写的DATA SCIENCE #

如果不需要强制用正则，直接调用字符串内置方法即可：

some_words = 'Data Science'
print(some_words.upper())

如果必须通过正则实现，将替换内容改为lambda函数处理每个匹配结果即可：

import re
some_words = 'Data Science'
all_words_select = r'\b\w'
word_upper = re.sub(all_words_select, lambda match: match.group().upper(), some_words)
print(word_upper)

场景2：实现最初的首字母缩写生成需求（输入Data Science输出DS） #

用re.findall匹配所有单词首字母后拼接转大写即可：

import re
some_words = 'Data Science'
# 提取所有单词首字母
first_letter_list = re.findall(r'\b\w', some_words)
# 转大写后拼接得到缩写
abbreviation = ''.join(first_letter_list).upper()
print(abbreviation)

内容的提问来源于stack exchange，提问作者DejaVu