Question

我一直在尝试从字符串中提取名称，但似乎还没有成功。

代码如下：

string = "555-1239Moe Szyslak(636) 555-0113Burns, C. Montgomery555 -6542Rev. Timothy Lovejoy555 8904Ned Flanders636-555-3226Simpson, Homer5553642Dr. Julius Hibbert"
regex = re.compile(r'([A-Z][a-z]+(?: [A-Z][a-z]\.)? [A-Z][a-z]+)')
print(regex.findall(string))

这是我得到的输出。['Moe Szyslak', 'Timothy Lovejoy', 'Ned Flanders', 'Julius Hibbert']

Answer 1

花哨的正则表达式需要时间来编写，并且难以维护。在这种情况下，我倾向于保持简单：

re.findall(r"[^()0-9-]+", string)

输出：

['Moe Szyslak', ' ', 'Burns, C. Montgomery', ' ', 'Rev. Timothy Lovejoy', ' ', 'Ned Flanders', 'Simpson, Homer', 'Dr. Julius Hibbert']

如果空白是一个问题，我会过滤list(filter(str.strip,list))

Answer 2

众所周知，即使是英文，也很难提取人名。以下正则表达式可以解决您的特定问题，但在其他输入上可能会失败（例如，它不使用破折号捕获名称）：

re.findall(r"[A-Z][a-z]+,?\s+(?:[A-Z][a-z]*\.?\s*)?[A-Z][a-z]+", string)
#['Moe Szyslak', 'Burns, C. Montgomery', 'Timothy Lovejoy', 
# 'Ned Flanders', 'Simpson, Homer', 'Julius Hibbert']

并带有标题：

TITLE = r"(?:[A-Z][a-z]*\.\s*)?"
NAME1 = r"[A-Z][a-z]+,?\s+"
MIDDLE_I = r"(?:[A-Z][a-z]*\.?\s*)?"
NAME2 = r"[A-Z][a-z]+"

re.findall(TITLE + NAME1 + MIDDLE_I + NAME2, string)
#['Moe Szyslak', 'Burns, C. Montgomery', 'Rev. Timothy Lovejoy', 
# 'Ned Flanders', 'Simpson, Homer', 'Dr. Julius Hibbert']

请注意，除非您打算重复使用它，否则无需编译正则表达式。

Answer 3

这是一种使用零宽度环视来隔离每个名称的方法：

string = "555-1239Moe Szyslak(636) 555-0113Burns, C. Montgomery555 -6542Rev. Timothy Lovejoy555 8904Ned Flanders636-555-3226Simpson, Homer5553642Dr. Julius Hibbert"
result = re.findall(r'(?:(?<=^)|(?<=[^A-Za-z.,]))[A-Za-z.,]+(?: [A-Za-z.,]+)*(?:(?=[^A-Za-z.,])|(?=$))', string)

print(result)

['Moe Szyslak', 'Burns, C. Montgomery', 'Rev. Timothy Lovejoy', 'Ned Flanders',
 'Simpson, Homer', 'Dr. Julius Hibbert']

匹配的实际模式是这样的：

[A-Za-z.,]+(?: [A-Za-z.,]+)*

这表示匹配任何大写或小写字母，点或句点，后跟一个空格和一个或多个相同字符，零次或多次。

此外，我们在此模式的左侧和右侧使用以下环顾：

(?:(?<=^)|(?<=[^A-Za-z.,]))
Lookbehind and assert either the start of the string, or a non matching character
(?:(?=[^A-Za-z.,])|(?=$))
Lookahead and asser either the end of the string or a non matching character

Answer 4

我会立即提取带有实例性的实例名称实体。使用spacy，您可以依赖预先训练的语言模型，该模型对通用名称和标题具有丰富的知识。

步骤：设置spacy并下载预先训练的英语语言模型 import spacy import en_core_web_sm nlp = en_core_web_sm.load()
步骤：创建spacy文档 doc = nlp('555-1239Moe Szyslak(636) 555-0113Burns, C. Montgomery555 -6542Rev. Timothy Lovejoy555 8904Ned Flanders636-555-3226Simpson, Homer5553642Dr. Julius Hibbert')
步骤：获取文档中所有标记为“人”的标记的标签 print([(X.text, X.label_) for X in doc.ents if X.label_ == PERSON])

使用python Regex从字符串中提取名称

4 个答案: