如何在python中使用regex将单个拆分字符拉到一起？

Question

对于标记器，我的目标是将一个术语拆分，以便只获得单词（length>；1）。现在，为了涵盖单个字符，我想将所有紧跟其后的单个字符拉到一起，如下所示：

Q S. C Headquarter -> qsc headquarter

我使用python进行如下匹配：

pattern = re.compile(r"(?u)\b\w+\b")
pattern.findall("Q S. C Headquarter")

当然，我编译正则表达式是因为我必须多次拟合它。上面的模式将返回['Q'、'S'、'C'、'Headquarters']，而我希望返回['QSC'、'Headquartquarters']。你知道吗

Answer 1

我的评论/问题还没有答案，但假设可以在“连接字符词”中包含空格，您可以尝试以下正则表达式：

((?:(?<=\s|^)\w\.?\s(?!\w\w)|(?<=\s|^)\w\.?(?=\s))+|\S+)

它测试

• 前面有空格或行首的字母（正面看后面）
• 可选地后跟.
• 然后是空间 不后跟两个或多个字母（负向前看）

或

• 前面有空格或行首的字母（正面看后面）
• 可选地后跟.
• 后面是空格（正面展望）

重复这个过程直到没有匹配为止。你知道吗

如果以上都没有

• 非空格字符序列

（注意！上面的字母实际上是regexword字符类——即ASCII字母、数字或下划线_。）

第一个测试用一个字母或中间字母组成一个单词。第二，在一个正常单词前的最后一个字符，以避免捕获最后的空格。第三个测试是两个或更多字符的单词。我选择在这里测试非空格，而不是单词字符，以便能够获取首字母缩略词、缩写等。例如Q&A或e.g.。它也捕捉到了和类似的东西。你知道吗

See an example at regex101 here.

希望这有帮助。你知道吗

最后，如果空间绝对不能包含在内，我看不到其他方法，那么分两步来做。你知道吗

敬礼