正则表达式如何捕获Inc前连续大写开头的单词？

嘿，我来帮你搞定这个正则匹配的小难题！你的需求是精准捕获「Inc」之前连续的、大写字母开头的单词，之前的写法要么误抓了无关内容，要么只拿到最后一个单词，问题出在两个地方：一是没限定匹配的范围（排除前面非连续的大写单词），二是重复分组时没有正确捕获多个连续单词。

正确的正则表达式写法 #

这里有两种可靠的写法，按需选择：

写法1：带正向预查（不匹配Inc本身）

\b([A-Z][a-z]+(?:\s+[A-Z][a-z]+)*)(?=\s+Inc\b)

写法2：直接匹配Inc（后续可通过分组提取目标）

\b([A-Z][a-z]+(?:\s+[A-Z][a-z]+)*)\s+Inc\b

逐部分解释逻辑 #

让我们拆解一下关键部分的作用：

• \b：单词边界，确保我们匹配的是完整的单词，避免出现类似「Parent」里的「Par」被误匹配的情况
• [A-Z][a-z]+：匹配单个大写字母开头、后续跟小写字母的单词（比如「Test」「Alphabet」）
• (?:\s+[A-Z][a-z]+)*：这是一个非捕获组，用来匹配「空格+大写开头单词」的组合，*表示可以重复0次或多次——这样就能把连续的多个目标单词都包含进来
• (?=\s+Inc\b)：正向预查，确保我们匹配的单词后面紧跟着「空格+Inc」（\b避免匹配到「Incorporated」这类包含Inc的长单词）

为什么之前的写法不行？ #

• 第一个正则([A-Z]{1}[a-z]+)+：没有任何位置限定，会匹配文本里所有大写开头的单词，自然会抓到「Parent」
• 第二个正则([A-Z]{1}[a-z]+)+ (?=(Inc))：重复的捕获组只会保留最后一次匹配的内容（也就是「Alphabet」），而且没有处理多个连续单词的组合逻辑，所以漏掉了「Test」

测试示例 #

用Python代码测试一下效果：

import re
test_text = "Parent company Test Alphabet Inc. announced"
pattern = r'\b([A-Z][a-z]+(?:\s+[A-Z][a-z]+)*)(?=\s+Inc\b)'
matches = re.findall(pattern, test_text)
print(matches)  # 输出: ['Test Alphabet']

内容的提问来源于stack exchange，提问作者Vlad