RegEx的身份解析

Question

我有一份受益于身份解析的论文作者名单！ 例如，它应该匹配这些名称：

Peter J. Smith
Peter Smith
P.J. Smith
P. J. Smith (works with space or without it)
p.j. smith 

我是RegEx的新手。我想在R / Python中编写一个RegEx，它匹配名字的首字母和整个姓氏，并忽略中间名。 （虽然，这种方法会有一些问题，例如有像Peter L. Smith这样的名字，但我认为考虑中间名会使事情变得复杂。）感谢您的帮助。

Answer 1

在最后的注释中使用L尝试将第一个字母加上最后一个空格后的所有内容，然后将其传递到语音包中的一个算法。在这个例子中，它确实将Peter Smith的所有变体映射到相同的代码，同时用不同的代码区分Peter Sorensen。

library(phonics)

onca(sub("^(.).* (.*)", "\\1 \\2", trimws(L)))
## [1] "P253" "P253" "P253" "P253" "P253" "P265"

该软件包还有soundex和其他可以尝试的算法。

注意

L <- c("Peter J. Smith", "Peter Smith", "P.J. Smith", "P. J. Smith", "p.j. smith", 
 "Peter Sorensen")