regex - 正则表达式名称和任何姓氏

Question

在下面的示例中，我想在正则表达式中创建 2 个组：

名字 FirtSurname SecondSurname ..

第一组是名称

第二个 FirtSurname SecondSurname ...

^(\w+)(.*)$   - would capture all
\w+           - would make n groups (number of words). 

我只想要2组。名字和后面的任何东西。

有什么帮助吗？

Answer 1

首先，作为我名字中带有标点符号的人:-) 请不要\w尝试匹配名字:-) ...两者-并不'少见。

以 Perl 为例：

  if ("Bruce-Robert Fenn Pocock" =~ /^(\w+)(.*)$/) { print "First: $1    Rest: $2" }

  → First: Bruce    Rest: -Robert Fenn Pocock

也许只是将所有非空格字符分组，然后跳过第一次出现的空格：

  if ("Bruce-Robert Fenn Pocock" =~ /^(\S+)\s*(.*)$/) { print "First: $1    Rest: $2" }

  → First: Bruce-Robert    Rest: Fenn Pocock

当然，如果您在数据集中遇到具有中间名的人，则无法将他们与母母-父母对或多部分姓氏区分开来。

我希望/假设您的输入也没有敬语。

First: Don         Rest: Juan de la Mancha
     *** wrong: Don is honorific
First: Diego       Rest: de la Vega
First: John        Rest: Jacob Smith
     *** wrong: Jacob is probably a middle name
First: De'shawna   Rest: Cummings
First: Wehrner     Rest: von Braun
First: Oscar       Rest: Vazquez-Oliverez

归根结底，将一个名字准确地分解为敬语、名字、中间名、姓氏（母名、父名）和后缀的唯一方法是询问。

（例如，我自己的名字，在盎格鲁圈子里，“芬恩”被认为是一个“中间名”，在拉丁裔圈子里，它被解释为母语。）

敬语和称谓通常可以从一个列表中猜到，但例如军事头衔和博士称谓是一个很长的列表（“Dr John Doe, Pharm.D”、“Maj. Gen. Thomas Ts'o”），并且不是明确的（例如，“Don”既是“Donald”的缩写形式，也是敬语）。

PS。可爱的文章在这里：

http://www.kalzumeus.com/2010/06/17/falsehoods-programmers-believe-about-names/

Answer 2

假设单词之间只有一个空格，这可行：

(\w+) ([\w ]+)

调试演示

如果可能有多个空格：

(\w+) +([\w ]+)

要消除末端的空格：

\b(\w+)\b \b([\w ]+)\b

如@BRPocock 所述，允许使用破折号和撇号：

\b([\w-']+)\b \b([\w -']+)\b

虽然这禁止在末尾使用标点符号，但它允许多个破折号和撇号，包括彼此相邻，例如：Mc'er'''doo--dl-e

使它比这更强大可以成为一个项目本身。

Answer 3

假设您只想要第 1 组中的名字和第 2 组中的其余名称：

^(\b[\w]+\b)([\w\W]+)