因此,我的一个主要难点是名称理解和拼凑家喻户晓的名字和头衔.我有一个80%的解决方案,我今天早上拼凑了一个非常庞大的正则表达式,我可能不应该感到自豪(但无论如何以一种恶心的方式),它正确匹配以下示例:
John Jeffries
John Jeffries, M.D.
John Jeffries, MD
John Jeffries and Jim Smith
John and Jim Jeffries
John Jeffries & Jennifer Wilkes-Smith, DDS, MD
John Jeffries, CPA & Jennifer Wilkes-Smith, DDS, MD
John Jeffries, C.P.A & Jennifer Wilkes-Smith, DDS, MD
John Jeffries, C.P.A., MD & Jennifer Wilkes-Smith, DDS, MD
John Jeffries M.D. and Jennifer Holmes CPA
John Jeffries M.D. & Jennifer Holmes CPA
正则表达式匹配器看起来像这样:
(?P<first_name>\S*\s*)?(?!and\s|&\s)(?P<last_name>[\w-]*\s*)(?P<titles1>,?\s*(?!and\s|&\s)[\w\.]*,*\s*(?!and\s|&\s)[\w\.]*)?(?P<connector>\sand\s|\s*&*\s*)?(?!and\s|&\s)(?P<first_name2>\S*\s*)(?P<last_name2>[\w-]*\s*)?(?P<titles2>,?\s*[\w\.]*,*\s*[\w\.]*)?
(wtf对吧？)
为方便起见:http://www.pyregex.com/
所以,举个例子:
'John Jeffries, C.P.A., MD & Jennifer Wilkes-Smith, DDS, …