如何在含re.IGNORECASE的正则中指定单个字母大小写

问题背景 #

• 需要匹配Table 1.1-1 Abcd、FIGURE 1: Efg、Image 1.1 Hijk lmn这类文本，拒绝Table 1.1: abcd efg——要求Table/Figure/Image等关键词本身不区分大小写，但关键词后的内容首字母必须大写
• 现有正则已启用re.IGNORECASE标志，不想大幅修改原有代码，之前尝试[A-Z]、(?-i)未达到预期效果

修改方案 #

核心是在全局忽略大小写的模式下，对关键词后续的首字母匹配部分局部关闭忽略大小写，具体修改如下：

pattern = re.compile(
    r"^(?!.*[._…-]{{3,}}\s*\d+$)([1-9]\d?)?\s?({})\s+({}):?\s?(?-i)[A-Z].*".format(
        '|'.join(SECTION_KWT), SN_KW_SECTION
    ),
    re.DOTALL | re.IGNORECASE
)

原理说明 #

1. 原有正则中.*会匹配任意字符，但因为全局开启re.IGNORECASE，[A-Z]会同时匹配大小写字母，所以无法区分首字母大小写
2. 添加(?-i)后，会关闭后续正则片段的忽略大小写模式，此时[A-Z]只会匹配大写英文字母，满足首字母必须大写的要求
3. 这个修改仅针对首字母匹配部分，不会影响前面Table/Figure/Image等关键词的大小写不敏感匹配

内容的提问来源于stack exchange，提问作者Chuang Men