Question

为了在大文本中查找姓名，我有以下正则表达式

([A-Z][a-z]*)[\s-]([A-Z][a-z]*)

这适用于像“Jack Oneill”或“John Guidetti”这样的普通人名字。但是我想找到一些拥有的东西，却找不到。像：

Chandler Murial Bing
Gandalf the Gray
Pieter van den Woude

我对正则表达式的有限知识似乎无法得到这种怀疑。谁能帮助我（请为此提供一个好的网站/书）:)）

Answer 1

解决正则表达式问题的最佳方法是描述您要查找的匹配项（通常称为语法）。

例如，根据您的问题，我可能会将其描述如下：

大写单词定义为一个大写字母和1+个字母/短划线或一个大写字母和一个.（一个首字母）。
非大写单词被定义为1个字母和1个字母/短划线（不完美，因为这可能允许以破折号结束）。
第一个单词以大写字母开头
最后一个单词以大写字母结尾
0 +第一个和最后一个词之间的大写单词
然后 0-2第一个大写单词和最后一个单词之间没有大写的单词
至少两个字。
单词被空格打破

如果这提供了与所需结果集相当接近的匹配（并且要清楚，对于名称，有很多变体，您将有误报或漏报），那么您开始构建表达式：

大写单词：[A-Z]([a-z]+|\.)
未大写的字：[a-z][a-z\-]+

结果：

 [A-Z]([a-z]+|\.)(?:\s+[A-Z]([a-z]+|\.))*(?:\s+[a-z][a-z\-]+){0,2}\s+[A-Z]([a-z]+|\.)

匹配（粗体）：

您好我的名字是 Chandler Muriel Bing 。我有一个名叫 Pieter van den Woude 的朋友，他有另一个朋友， A. A.米尔恩。 Gandalf the Gray 加入我们。我们一起组成 Friends Cast and Crew 。

问题：

因为你想要匹配 Gandalf the Grey 和 Pieter van den Woude ，你将不可避免地匹配其他由名称中包含非大写字母的集合（Friends Cast和Crew））。上述语法试图通过将问题限制为 2 非大写单词来限制问题。你也可以创建一组允许的非大写单词（“van”，“der”，“the”），并且只匹配这些单词。
不允许使用非拉丁字母，连字，diacritics等
正如我和其他人所指出的那样，正则表达式对于这种情况永远不会是完美的，但正如你所说，你想要的东西可以让你在那里大部分时间。在这种情况下，上面的表达应该做得很好，但认为它是钝器！你被警告了。

Answer 2

在您的情况下，只需添加另一个

[\s-]([A-Z][a-z]*)

一般来说，正则表达式不适合这个问题，有太多特殊情况，你需要建立这些名称的列表。

对于复杂名称，您可以参考[自然语言处理]：http://en.wikipedia.org/wiki/Natural_language_processing

使用正则表达式查找名称

2 个答案: