使用空格修剪字符串

Question

我希望能够获得帮助，解析一个人名的字符串。我想要提取出这个字符串中的名字，只保留名字。

假设我有一个名字如下：

Mr. John Doe
John Smith.

在这两种情况下，我只想获得字符串的第一个名称并删除所有其他字符。

因此，在解析后，这两个字符串将只有John。

我想知道是否有一种使用正则表达式解决此问题的方法。

- Steffan Harris

Answer 1

你不能这样做。除非你弄错了某些人的名字，让他们感到很不爽。你无法区分约翰·保罗·多（名字为“约翰”，中间名为“保罗”，姓为“多”），约翰·约瑟夫·布朗（回答“约瑟夫”或“乔”，但只在政府表格上使用“约翰”），以及约翰·保罗·史密斯（名字为“约翰·保罗”，讨厌缩写）。

去阅读程序员关于姓名的错误信念。

然后再去读一遍，并接受这样一个事实：是的，世界上95%的人对名字的定义与你的完全不同。（如果你是中国人，则为80%。）

你最多只能截断空格和一些“安全”的前缀，例如“先生”——即使这些也不要删减（如果人们特意写上“先生”，他们可能希望在那里看到它）。

s/^\s+//; s/\s+$//;     # trim whitespace at each end
s((\s+))(               # trim embedded whitespace
    $1=~/[^\x{a0}]/ ?   # breakable?
    " " : "\x{a0}")ge;

- Gilles 'SO- stop being evil'

---

这篇文章夸大了问题，并假设原帖作者的观众是全球范围内的。相反，它应该被编辑以更多地询问读者群体和各种格式的差异，并且要更加温和地描述注意事项，特别是“尤其是95%”这一说法。我甚至不知道有20%或5%的情况符合这个规则。 - 700 Software

@George：默认情况下，我面向全球观众，但知道美国人不介意。请注意，在美国你会发现这样的约翰和非约翰（即使大多数人像多先生一样）。 - Gilles 'SO- stop being evil'

Answer 2

试试这个，你的名字在第一个捕获组 $1 中。

^(?:Mr\.|Mrs\.)?\s*\b([^\s]*)\b.*$

在Regexr上在线查看

- stema

Answer 3

这里有一个简单的正则表达式，可以匹配两种情况

/^(?:\w+\.)?\s*(\w+).*$/
// $1 = John

你可以这样构建它：
\w+\. 至少一个单词字符后跟一个点（用于名称前缀）
(\w+\.)? 该组可以出现一次或不出现
(?:\w+\.)? 该组是非捕获的（我们不需要它）
^(?:\w+\.)? ^ 表示整个字符串的开头（因此该组是其中的第一件事） ^(?:\w+\.)?\s* 这个前缀组后面可以跟任意数量的空格（或没有）
^(?:\w+\.)?\s*(\w+) 然后是名称组（由至少一个单词字符组成）
^(?:\w+\.)?\s*(\w+).*$ 最后，.* 匹配其余的字符直到字符串的末尾 $

- Dan Manastireanu

---

聪明！任何带点的东西都是缩写！ :) - 700 Software

Answer 4

你想接受多少种不同的格式？

这是一个适用于你发布的两个格式的解决方案：

/(?<=((Mr\.|Mrs\.)\s+)?)([a-zA-Z]+)/

- Ry-

---

只需在列表中添加所有其他前缀。 - Mohamed Nuur

这样做行不通。首先，并非所有（也许没有任何一个）Perl版本都支持lookbehind内的变量重复，其次，这将匹配Mr作为名字的第一个单词。 - 700 Software

这对我不起作用http://regexr.com?2tpj3。你的可选组合回顾应该如何工作？假设没有先生，那么它应该是空的，你的最后一部分将匹配任何单词，甚至是姓氏。 - stema

@George，请问是否有任何版本的Perl可以支持变量长度的后顾断言？因为我现在只知道.net支持这个功能。 - stema

@stema：编辑了我的评论，我不想过于自信而犯错。 - 700 Software

Answer 5

我认为这会起作用

my $nameFull = 'Mr. John Doe';
my $nameFirst = $1 if $nameFull =~ /(?:\s|^)(?!(?:mr|mr?s|miss|dr|prof)(?![a-z]))([a-z]+)/i;

解释：

/.../i 开始和结束一个不区分大小写的正则表达式

• (?:\s|^) 确保我们要么在空格字符处，要么在字符串的开头。
• (?!...) 确保这不会匹配到名字的开头
  • (?:mr|mr?s|miss|dr|prof) 缩写列表（r? 表示可选的 r，因此这将匹配 Ms 和 Mrs）
  • (?![a-z]) 确保缩写后面没有更多的字母，因为 drake 是以 dr 开头的名字
• (...) 捕获到 $1
  • [a-z]+ 连续的字母。假设至少有一个。

- 700 Software

---

很抱歉，我现在测试了一下，确实可以工作。我不明白你的复杂正则表达式和先行断言在这里发生了什么，但它在这个例子中提供了名字。 - stema