我正在尝试将字符串（人名）拆分为组件：前缀（Dr，Mr，Miss等），给定，中间，系列和后缀（Jr，III等等）。< / p>
前缀和后缀可以是已知的选项列表。
像'达芬奇'或'迪卡普里奥'这样的双管家族的边缘情况并没有让我感到太烦恼。 da和di将只是放在中间名中，或者如果给出中间（即发现4个名称与前缀或后缀不匹配），则第二个名称后面的所有内容都将被删除在姓氏中。
我正在考虑自己编写正则表达式...但在我去重新发明轮子之前，我想知道是否有人能够使用我可以使用的东西？
感谢。
答案 0 :(得分：1)
以下是perl中的提案（我没有找到语言或正则表达式的要求） Perl支持非捕获组，例如“（？：\ w +）”，我认为需要保持低于10个被捕获的群体。 为简单起见，我几乎到处都在使用“\ w +”。因此，名称可以包含“_”和数字。如果您不喜欢，请改为使用“[[：alpha：]] +”。
perl -pe"s/(?:(Dr\.|Mr\.) )?(?:(\w+)(?: (\w+(?: \w+)*))? )?(?:(\w+) (Jr\.|I+))|(?:(Dr\.|Mr\.) )?(?:(\w+)(?: (\w+(?: \w+)*))? )?(\w+)/pre\1\6 give\2\7 middle\3\8 fam\4\9 post\5/"
出于演示目的，代码替换时插入字段名称。 请提取所请求的正则表达式并填写缺失的pres和帖子。
我认为诀窍是有一个很大的选择“|”，它更喜欢与后缀匹配 通过使用两个组来填充字段，一个来自第一个，一个来自第二个替代。每对中只有一个是非空的 我测试了一个包含
组合的测试文本文件所有测试用例都有一个姓氏。 “超人II”和“麦当娜”都只有一个姓氏，希望可以，超级英雄电影得到一个后缀。 “Dr. Who”有一个前缀和一个姓氏。
即。正如你所允许的那样，我忽略了“迪”。 我认为输出似乎合理。