REGEX名稱和任何姓氏

Question

在下面的示例中，我想在正則表達式中創建2個組：

名字FirtSurname SecondSurname ..

第一組是姓名

第二個FirtSurname SecondSurname ...

^(\w+)(.*)$   - would capture all
\w+           - would make n groups (number of words). 

我只想要2組。 名和其他名稱。

有什么幫助嗎？

Answer 1

首先，作為標有標點符號的人:-)請不要使用\\w嘗試匹配名稱:-)… -和'並不少見。

例如，使用Perl：

  if ("Bruce-Robert Fenn Pocock" =~ /^(\w+)(.*)$/) { print "First: $1    Rest: $2" }

  → First: Bruce    Rest: -Robert Fenn Pocock

也許只是將所有非空格字符分組，然后跳過第一次出現的空格：

  if ("Bruce-Robert Fenn Pocock" =~ /^(\S+)\s*(.*)$/) { print "First: $1    Rest: $2" }

  → First: Bruce-Robert    Rest: Fenn Pocock

當然，如果您遇到的是數據集中具有中間名的人，則除了區分母體—副詞對或多部分姓氏之外，沒有其他方法可以告訴他們。

我希望/假設您在輸入中也沒有敬意。

First: Don         Rest: Juan de la Mancha
     *** wrong: Don is honorific
First: Diego       Rest: de la Vega
First: John        Rest: Jacob Smith
     *** wrong: Jacob is probably a middle name
First: De'shawna   Rest: Cummings
First: Wehrner     Rest: von Braun
First: Oscar       Rest: Vazquez-Oliverez

最終，將名字准確地分解為一個尊稱的給定名稱，中間名，姓氏（matronym，patronym）和后綴的唯一方法是詢問 。

（例如，我自己的名字，在盎格魯圈子中，“ Fenn”在拉丁裔圈子中被視為“中間名”，被解釋為同義詞。）

通常可以從一個列表中猜測出榮譽和足夠的東西，但是例如，軍事頭銜和博士的名字很長 （“ John Doe，Pharm.D博士”，“ Maj。Gen. Thomas Ts'o”）而且不是明確的（例如，“唐”既是“唐納德”的縮寫，又是尊稱。

PS。 可愛的文章在這里：

http://www.kalzumeus.com/2010/06/17/falsehoods-programmers-believe-about-names/

Answer 2

假設單詞之間只有一個空格，則可以這樣做：

(\w+) ([\w ]+)

Debuggex演示

如果可能有多個空格：

(\w+) +([\w ]+)

要消除末端的空格：

\b(\w+)\b \b([\w ]+)\b

如@BRPocock所述，要允許破折號和撇號：

\b([\w-']+)\b \b([\w -']+)\b

雖然這在結尾處禁止標點符號，但它允許多個破折號和撇號，包括彼此相鄰的破折號和撇號，例如： Mc'er'''doo--dl-e

使它比這更強大可以成為其內部的項目。

Answer 3

假設您只想在組1中使用名字，而在組2中使用其余名字：

^(\\b[\\w]+\\b)([\\w\\W]+)