：提取使用正则表达式

Question

我有一个巨大的名称从第一个名字的首字母和姓氏必须的名单extracted.Please找到下面的样品名称第一个字母的名字和姓氏：

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.陈
J. P. BENNETT，JR
T.-K. KUKKO-卢基扬诺夫

预期输出：

Ť-P         SU
ħ        SPRONG
ģ        VAN MEER
Ç        PERRONE CAPANO
EC         PARKER-ATHILL
RJ        巴利切-Gordon
DB         VAZQUEZ SANROMAN
BPC        陈
JP         BENNETT JR
TK         KUKKO-卢基扬诺夫
我已经使用了Split功能离子分裂他们。我们能否有更好的REGEX方法来正确解析它们？请建议。

感谢。

Answer 1

以下的正则表达式与您的示例数据：

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

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

组1将是第一个姓名，组2将是第二名称。这会导致以下群组，请编辑您的问题，并提供更多详细信息，如果这些问题与您的预期不符：

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

这是我的解决方案。我的目标不是提供最简单的解决方案，而是可以采用各种（有时候很奇怪的）名称格式，并在首字母和姓氏首字母（或在单身人士的情况下）生成最佳猜测的单个首字母。

我也尝试用一种相对国际友好的方式编写它，使用unicode正则表达式，虽然我没有任何生成多种外部名称（例如中文）的缩写的经验，但它应该在最少生成一些可用于表示此人的内容，但不得少于两个字符。例如，给它起一个像韩国名字的“행운의복숭아”就会产生행복，正如你可能预料的那样（尽管在韩国文化中这可能不是正确的做法）。

/// <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(); 
}