Python：如何提取字符串中连续的标题格式单词序列

看起来你之前的代码只能识别两个连续的标题格式单词，要扩展到识别任意长度的连续序列，其实可以通过分组遍历或者正则表达式来实现，下面给你两种实用的方法：

方法一：手动遍历分组（直观易调试） #

这种方法通过逐个遍历单词，把连续符合条件的单词归为一组，当遇到不符合的单词时，检查当前组的长度，符合要求就保存下来。代码如下：

def get_composite_names(s):
    words = s.split()
    composite_names = []
    current_group = []
    
    for word in words:
        # 用istitle()判断是否是标题格式（首字母大写，其余小写）
        if word.istitle():
            current_group.append(word)
        else:
            # 只有当组内单词数≥2时才加入结果
            if len(current_group) >= 2:
                composite_names.append(' '.join(current_group))
            current_group = []
    # 别忘了处理循环结束后剩下的最后一组
    if len(current_group) >= 2:
        composite_names.append(' '.join(current_group))
    
    return composite_names

测试一下： #

test_str = 'John Walker Smith is currently in New York'
print(get_composite_names(test_str))
# 输出: ['John Walker Smith', 'New York']

如果你的场景中，单词可能存在非首字母的大写（比如"McDonald"或者"IBM"这种），可以把判断条件改成word[0].isupper()，这样只要首字母大写就会被纳入分组。

方法二：正则表达式（简洁高效） #

正则表达式可以直接匹配连续的符合条件的单词序列，代码更简洁：

import re

def get_composite_names(s):
    # 正则模式：匹配至少两个连续的首字母大写、其余小写的单词
    pattern = r'\b([A-Z][a-z]+(?:\s[A-Z][a-z]+)+)\b'
    return re.findall(pattern, s)

模式解释： #

• \b：匹配单词边界，避免匹配单词的一部分
• [A-Z][a-z]+：匹配首字母大写、后面跟小写字母的单词
• (?:\s[A-Z][a-z]+)+：非捕获组，匹配"空格+符合条件的单词"，至少重复一次（保证整个序列至少有两个单词）

同样测试上面的示例字符串，得到的结果和方法一完全一致。如果需要兼容非首字母大写的情况，把正则模式改成r'\b([A-Z][^\s]*(?:\s[A-Z][^\s]*)+)\b'即可。

内容的提问来源于stack exchange，提问作者jax