：提取使用正則表達式

Question

我有一個巨大的名稱從第一個名字的首字母和姓氏必須的名單extracted.Please找到下面的樣品名稱第一個字母的名字和姓氏：

T.-P 。 SU
H. SPRONG
G. VAN MEER
C. PERRONE CAPANO
E. C. PARKER-ATHILL
R. J.巴利切-Gordon D.
B. VAZQUEZ SANROMAN
B. P. C.陳
J. P. BENNETT，JR
T.-K. KUKKO-盧基揚諾夫

預期輸出：

Ť-P         SU
ħ        SPRONG
ģ        VAN MEER
Ç        PERRONE CAPANO
EC         PARKER-ATHILL
RJ        巴利切-Gordon
DB         VAZQUEZ SANROMAN
BPC        陳
JP         BENNETT JR
TK         KUKKO-盧基揚諾夫
我已經使用了Split功能離子分裂他們。我們能否有更好的REGEX方法來正確解析它們？請建議。

感謝。

Answer 1

以下的正則表達式與您的示例數據：

((?:[A-Z][-. ]+)+) ([- A-Z]+(?:, \w+)?) 

實施例：http://www.rubular.com/r/cM87Prp2to

組1將是第一個姓名，組2將是第二名稱。這會導致以下羣組，請編輯您的問題，並提供更多詳細信息，如果這些問題與您的預期不符：

T.-P. SU -> (T.-P.) (SU) 
H. SPRONG -> (H.) (SPRONG) 
G. VAN MEER -> (G.) (VAN MEER) 
C. PERRONE CAPANO -> (C.) (PERRONE CAPANO) 
E. C. PARKER-ATHILL -> (E. C.) (PARKER-ATHILL) 
R. J. BALICE-GORDON -> (R. J.) (BALICE-GORDON) 
D. B. VAZQUEZ SANROMAN -> (D. B.) (VAZQUEZ SANROMAN) 
B. P. C. CHEN -> (B. P. C.) (CHEN) 
J. P. BENNETT, Jr -> (J. P.) (BENNETT, Jr) 
T.-K. KUKKO-LUKJANOV -> (T.-K.) (KUKKO-LUKJANOV) 

Answer 2

這是我的解決方案。我的目標不是提供最簡單的解決方案，而是可以採用各種（有時候很奇怪的）名稱格式，並在首字母和姓氏首字母（或在單身人士的情況下）生成最佳猜測的單個首字母。

我也嘗試用一種相對國際友好的方式編寫它，使用unicode正則表達式，雖然我沒有任何生成多種外部名稱（例如中文）的縮寫的經驗，但它應該在最少生成一些可用於表示此人的內容，但不得少於兩個字符。例如，給它起一個像韓國名字的「행운의복숭아」就會產生행복，正如你可能預料的那樣（儘管在韓國文化中這可能不是正確的做法）。

/// <summary> 
/// Given a person's first and last name, we'll make our best guess to extract up to two initials, hopefully 
/// representing their first and last name, skipping any middle initials, Jr/Sr/III suffixes, etc. The letters 
/// will be returned together in ALL CAPS, e.g. "TW". 
/// 
/// The way it parses names for many common styles: 
/// 
/// Mason Zhwiti    -> MZ 
/// mason lowercase zhwiti  -> MZ 
/// Mason G Zhwiti    -> MZ 
/// Mason G. Zhwiti    -> MZ 
/// John Queue Public   -> JP 
/// John Q. Public, Jr.   -> JP 
/// John Q Public Jr.   -> JP 
/// Thurston Howell III   -> TH 
/// Thurston Howell, III  -> TH 
/// Malcolm X     -> MX 
/// A Ron      -> AR 
/// A A Ron      -> AR 
/// Madonna      -> M 
/// Chris O'Donnell    -> CO 
/// Malcolm McDowell   -> MM 
/// Robert "Rocky" Balboa, Sr. -> RB 
/// 1Bobby 2Tables    -> BT 
/// Éric Ígor     -> ÉÍ 
/// 행운의 복숭아     -> 행복 
/// 
/// </summary> 
/// <param name="name">The full name of a person.</param> 
/// <returns>One to two uppercase initials, without punctuation.</returns> 
public static string ExtractInitialsFromName(string name) 
{ 
    // first remove all: punctuation, separator chars, control chars, and numbers (unicode style regexes) 
    string initials = Regex.Replace(name, @"[\p{P}\p{S}\p{C}\p{N}]+", ""); 

    // Replacing all possible whitespace/separator characters (unicode style), with a single, regular ascii space. 
    initials = Regex.Replace(initials, @"\p{Z}+", " "); 

    // Remove all Sr, Jr, I, II, III, IV, V, VI, VII, VIII, IX at the end of names 
    initials = Regex.Replace(initials.Trim(), @"\s+(?:[JS]R|I{1,3}|I[VX]|VI{0,3})$", "", RegexOptions.IgnoreCase); 

    // Extract up to 2 initials from the remaining cleaned name. 
    initials = Regex.Replace(initials, @"^(\p{L})[^\s]*(?:\s+(?:\p{L}+\s+(?=\p{L}))?(?:(\p{L})\p{L}*)?)?$", "$1$2").Trim(); 

    if (initials.Length > 2) 
    { 
     // Worst case scenario, everything failed, just grab the first two letters of what we have left. 
     initials = initials.Substring(0, 2); 
    } 

    return initials.ToUpperInvariant(); 
}