Python如何使用正则表达式过滤提取字符串中的指定完整句子

问题根因 #

你原有代码的两个正则规则存在明显的字符过滤逻辑漏洞：

• 第一个正则r'[A-Z][a-z]*'仅能匹配大写字母开头、后续全为小写字母的单词，只能单独提取出Consider
• 第二个正则r'\b[^A-Z\s\d]+\b'直接排除了所有大写字母、空格、数字，自然会把Figure、8.11、fig、99.2这类包含大写、数字、小数点的内容全部过滤掉，拼接后自然会出现缺失。

最优解决方案 #

你的需求本质是提取字符串中第一个大写英文字母开始到字符串末尾的完整内容，无需拆分匹配再拼接，单条正则即可实现：

import re
s = "5. Consider the task in Figure 8.11, which are balanced in fig 99.2"
# 匹配逻辑：定位第一个大写英文字母，向后匹配所有剩余字符
final_output = re.search(r'[A-Z].*', s).group()
print(final_output)

运行输出：

Consider the task in Figure 8.11, which are balanced in fig 99.2

规则说明 #

• [A-Z] 定位字符串中第一个出现的大写英文字母，也就是目标句子的开头C
• .* 匹配该位置之后的所有非换行字符，刚好覆盖你需要的完整句子内容，不会漏过数字、小数点、大小写字母、标点等任意合法内容

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