使用字符串中的首字母分隔名称

Question

我一直试图将名字与句子分开，但我没有用正则表达式（我是新手）这样做 我使用了以下names = re.findall(r'[A-Z][a-z]*',string)

但它提供了类似['John', 'H', 'Watson', 'Sir', 'Arthur', 'Ignatius', 'Conan', 'Doyle']的输出，我试图让它像['John H. Watson', 'Sir Arthur Ignatius Conan Doyle']

代码：的

string = "John H. Watson is not real but Sir Arthur Ignatius Conan Doyle is"
names = re.findall(r'[A-Z][a-z]*',string)
print names

响应：

['John', 'H', 'Watson', 'Sir', 'Arthur', 'Ignatius', 'Conan', 'Doyle']

Answer 1

对于您的示例，此正则表达式将起作用：

>>> print re.findall(ur'(?:\b[A-Z][a-z]*\W+)*[A-Z][a-z]*\b', string)
['John H. Watson', 'Sir Arthur Ignatius Conan Doyle']

然而，对于许多边缘情况，名称可能非常复杂。

Answer 2

继续使用你的正则表达式，你会发现它会匹配以大写和单独匹配开头的任何单词。我想你想做更多的事情：

(?:\s?\b[A-Z][a-z\.]*)+

Debuggex Demo

这将重复匹配，直到一个非名字＆＃39;出现（即一个不大写的单词）。

问题在于显然会出现与非姓名相匹配的情况。我能想到的一个问题是如果一个句子以非名字开头而第二个单词是一个名字，它将包括第一个单词将包含在匹配中。例如，亚瑟爵士＆＃39;将包括The。关于此正则表达式的好处是，可以通过取消McDonald令牌来匹配\b之类的名称。