在文本字符串中识别人的名字和姓氏的最佳方法答案

【问题标题】：Best Way to Recognize Person's First and Last Name in Text String在文本字符串中识别人的名字和姓氏的最佳方法
【发布时间】：2018-03-14 03:12:15
【问题描述】：

我正在尝试从文本文件中提取一个人的姓名，我正在逐行阅读。使用文件的结构方式，名字和姓氏几乎应该总是在同一行，并且将在文件的前几行中。目前，我在约 2300 个名字的数组中搜索名字，然后假设以下单词是姓氏。我当前方法的问题是它与名称不正确匹配，因此可能会错误地将文件中的不同单词识别为名称。例如，我的名字是 Daniel，但该函数跳过了我的名字并将 Virginia（文件后面的单词）识别为我的名字。我做错了什么吗？有没有更好的方法？我对 PHP 很陌生，所以我很可能犯了一个愚蠢的错误。

澄清：该文件是一个原始文本文件，其中包含通过 OCR 从简历图片中提取的数据。就我的项目而言，我假设总是有名字和姓氏（没有中间名），并且两者都在同一行

$name = $this->search($line);
if (count($name) > 0 && empty($fname) && empty($lname)){
    $fname = $name[0];
    $lname = $name[1];
}

function search($str){ //$str is the current file line being read
        require "utils".DIRECTORY_SEPARATOR."dictionary-first-names.php";
        $arr = explode(" ", $str);

        for ($i = 0; $i < count($arr); $i++){
            if (in_array(mb_strtolower($arr[$i]), $dict)){
                return array($arr[$i], $arr[$i+1]); //shouldn't have array out of bounds as first & last name should be on the same line
            }
        }
    }

这是一个指向 dictionary-first-names.php 的 pastebin 链接，因为它很长：https://pastebin.com/cRFkR4fh

【问题讨论】：

我认为寻找第一个大写字母更容易。
@toor 文件中的任何单词都可以大写，这样就不好用了
这篇绝对值得一读~kalzumeus.com/2010/06/17/…
@Daniel 当然可以，但是两个大写的单词一起可以帮助您查找姓名。
@toor 也许，但如果这些词属于商店的名称（例如 Jersey Mike's），那将会被挫败。

标签： php

【解决方案1】：

您可以使用命名实体识别 (NER) 方法，spacy 和 NLP Core 是用于此目的的两个最佳库。但是你应该在 python 中这样做。

【讨论】：