在Python中提取名字和姓氏答案

【问题标题】：Extracting first name and last name in Python在Python中提取名字和姓氏
【发布时间】：2013-12-03 14:35:34
【问题描述】：

我正在尝试提取一个大文本（大约 20 页）中的所有名字和姓氏（例如：John Johnson）。

我用\.作为分隔符的split，还有我的正则表达式：

\b([A-Z]{1}[a-z]+\s{1})([A-Z]{1}[a-z]+)\b

不幸的是，我只得到了我的文本的所有行，而不是只有名字和姓氏：

Suddenly, Mary Poppins flew away with her umbrella
Later in the day, John.... bla bla bla

有人可以帮我吗？

【问题讨论】：

[nsregularexpression] 和 Python 有什么关系？
用.作为分隔符是什么意思？ . 表示任何字符，您的任务似乎是搜索，而不是拆分。您提供给您提到的正则表达式的输入是什么？在您提到的模式和句子上直接使用re.search 确实将名称标识为("Mary ", "Poppins")。
注意{1}是隐含的； \s 和 \s{1} 都只匹配一个字符。
您定义姓名和姓氏的规则是什么？我们必须期待他们是什么样的？所有的名字和姓氏都以大写开头还是姓氏都是大写？您打算如何将姓名或姓氏与逗号后或句子开头的第一个单词（因此以大写开头）分开？
我建议阅读kalzumeus.com/2010/06/17/…然后放弃。

标签： python regex extract

【解决方案1】：

我已经调整了一个正则表达式，它可以处理组合名称的重音和破折号：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import re
r = re.compile('([A-Z]\w+(?=[\s\-][A-Z])(?:[\s\-][A-Z]\w+)+)',
           re.UNICODE)
tests = {
    u'Jean Vincent Placé': u'Jean Vincent Placé est un excellent donneur de leçons',
    u'Giovanni Delle Bande Nere': u'In quest\'anno Giovanni Delle Bande Nere ha avuto tre momenti di gloria',
    # Here 'BDFL' may not be whished
    u'BDFL Guido Van Rossum': u'Nobody hacks Python like BDFL Guido Van Rossum because he created it'
}
for expected, s in tests.iteritems():
    match = r.search(s)
    assert(match is not None)
    extracted = match.group(0)
    print expected
    print extracted
    assert(expected == match.group(0))

【讨论】：

【解决方案2】：

试试

regex = re.compile("\b([A-Z]{1}[a-z]+) ([A-Z]{1}[a-z]+)\b")
string = """Suddenly, Mary Poppins flew away with her umbrella
Later in the day, John Johnson did something."""
regex.findall(string)

我得到的输出是：

[(u'Mary', u'Poppins'), (u'John', u'Johnson')]

【讨论】：