如何提取非大写字符串元素用于名字和姓氏？

Question

我有一些形式为字符串的内容

NAME Firstame

我希望能够获取Firstname部分。字符串可能更为复杂（LAST LAST2 First First2）。规则是大写元素是姓氏，其余是名字。我们可以假设第一部分是大写的（=姓氏），当它开始变成混合大小写时，它就是名字，直到结尾。

我相信正确的正则表达式组合[A-Z]和\w会起作用。我想到的最好的方法是

import re
re.findall('[A-Z]*\w+', 'LAST LAST2 First First2')

但它返回的解决方案几乎正确（['LAST'， 'LAST2'， 'First'， 'First2']）:)

在Python中提取这个名字（们）作为一个字符串的好方法是什么？

- WoJ

---

使用 '[A-Z][a-z]+' 作为模式怎么样？ - falsetru

必读文章：程序员对名字的错误认识。此外，\w匹配的内容比你想象的要多，它将匹配大小写字母、数字和下划线 _。 - HamZa

@HamZa：我知道这篇文章（关于日期也有类似的）。在我的情况下，这只是一个幸运的快速测试，可能会出问题（是的，这样的快速测试最终可能会变成火星车导航系统之类的，但那是另一回事 :))。 - WoJ

Answer 1

我想提出一个非正则表达式的解决方案：

string = 'LAST LAST2 First First2'
words = string.split(' ') # equals ['LAST', 'LAST2', 'First', 'First2']
result = []
for word in words:
    if not word.isupper():
        result.append(word)
print(' '.join(result))

结果：

First First2

- senshin

---

你比我更先进。如果你可以不使用正则表达式来完成某些事情，我认为最好不要使用它们。 - Denis Nikanorov

Answer 2

使用正则表达式：

import re
s = 'LAST LAST2 First First2'
print re.search("[A-Z][a-z].*$",s).group().split()

• [A-Z] 匹配一个在 A 和 Z 范围内的单个字符（区分大小写）
• [a-z] 匹配一个在 a 和 z 范围内的单个字符（区分大小写）
• .* 匹配任何字符（换行符除外）。量词：零次或多次，尽可能多地匹配 [贪婪模式]
• $ 断言当前位置在字符串的结尾

非正则表达式

s = 'LAST LAST2 First First2'
print [i for i in s.split() if not i.isupper()]

[out]:

['First', 'First2']

- alvas

---

谢谢 - 非正则表达式的那个很棒（我得学习这些 [...] 结构，它们将美丽的 Python 代码变成了像 Perl 一样的神秘代码 :)) - WoJ

它们被称为列表推导式。作为来自C/C++背景的人，起初我认为这是魔法。现在我知道它是一种奇妙的“黑”魔法。 - alvas

我也是。我正要编辑我的评论，以提供你提到的正确名称（以及指向文档的指针）。 - WoJ

Answer 3

尝试：

import re
re.findall('\b[A-Z][a-z0-9_-]+', 'LAST LAST2 First First2')

这将导致：

# Run findall
>>> regex.findall(string)
[u'First', u'First2']

- JonM

---

代码引发异常：sre_constants.error: 模式意外结束 - falsetru

你是对的，我忘了Python不允许使用(?-i)来声明大小写敏感性。已更新答案。 - JonM

Answer 4

这段代码能帮到你吗：

re.search("[A-Z][a-z].*$","LAST LAST2 First First2").group()

或者它可以更加健壮：

re.search("(?<= )[A-Z][^A-Z][\w|\s]*$","LAST LAST2 First First2").group()

- WKPlus