获得一个包含名称的句子的Regex

Question

我正在创建一个正则表达式，如果一个特定的信息存在的话，它可以得到整个句子。现在我正在研究我的名字regex，所以如果有任何组合名称(例如："Jorge Martel"，"Jorge Martel del Arnold Albuquerque")，regex应该得到有名称的整个句子。

如果我有以下两句话：

(1) --“一个勤劳的人在超市工作，他们叫他豪尔赫·霍瑞森，但那不是他的真名。”

(2) --“他有一份载有豪尔赫·马特尔·阿诺德姓名的身份证件。”

regex应该从上面的句子中返回以下两个结果：

(1)“他们叫他豪尔赫·奥里森，但那不是他的真名。”

(2) --“他有一份载有豪尔赫·马特尔·阿诺德姓名的身份证件。”

这是我的准则：

(?:(?(?<=[\.!?]\s([A-Z]))(.+?[^.])|))?((?:(?:[A-Z][A-zÀ-ÿ']+\s(?:(?:(?:[A-zÀ-ÿ']{1,3}\s)?(?:[A-ZÀ-Ÿ][A-zÀ-ÿ']*\s?))+))\b)(.+?[\.!?](?:\s|\n|\Z)))

基本上，它会验证是否有一个带空格和大写字符的点、感叹号或询问符号，并告诉正则表达式一切都必须选择，否则它就会得到所有的句子。

现在我的其他情况是空的，因为使用(.+?)避开我的第一个条件..。

没有其他情况的Regex：

​

​

验证直到点，但没有得到第二句。

其他情况下的Regex：

​

​

验证第二句，但重写第一句中出现的第一个条件。

我希望我的准则能正确地返回以下句子：

• “他们叫他豪尔赫·奥里森，但那不是他的真名。”
• “他有一份身份证件，上面有豪尔赫·马特尔·阿诺德( Jorge Martel Arnold)。”

我还创建了一个文本来验证regex操作，因为我将在文本中大量使用它。我在这篇文章中添加了很多条件，这可能会出现在我的日常工作中。

检查我的正则表达式、句子和文本这里

有人知道我该改变什么吗？我尝试了许多不同的方法，但仍然找不到解决办法。

P.S.：我打算在我的python代码中使用它，但是我需要用regex而不是python代码来修复它。

Answer 1

试试这个：

((?:^|(?:[^\.!?]*))[^\.!?\n]*(?:(?:[A-ZÀ-Ÿ][A-zÀ-ÿ']+\s?){2,}[^\.!?]*[\.!?]))

它将捕获名称至少有两个单词的句子，例如His name is John Smith.

它不会捕获像：John went to a concert.这样的句子

Answer 2

你可以试试这个。

[\w\ \,\']+\.\ ?([\w\ \,\']+\.)|^([\w\ \,\']+\.)$

打印$1$2。也就是说，如果第一组为空，则打印空白，因为没有匹配，那么将打印组2。相反，当第2组不存在时，打印组1。

\W，'+.\？(\W，'+.) -作为与XXX匹配的任何东西。某某。

然后

^(\w\，'+.)$ -必须以一个句子开头。

尽管诚实地说，这可以很容易地用Tokenizer of (.)来完成。它的长度是1或2，就像用大锤敲钉子一样。

Answer 3

使用正则表达式匹配名称可能是一项非常困难的工作，但是如果要使用指定的范围匹配至少两个连续的大写单词。

假设名称以大写字符a开头(否则您也可以用允许的字符扩展该字符类，或者如果支持的话，可以使用\p{Lu}来匹配大写字符，该字符具有小写变体)：

(?<!\S)[A-Z][A-Za-zÀ-ÿ]*(?:\s+[a-zÀ-ÿ,]+)*\s+[A-Z][a-zÀ-ÿ]*\s+[A-Z][a-zÀ-ÿ,]*.*?[.!?](?!\S)

• (?<!\S)断言左边的空白边界
• [A-Z][A-Za-zÀ-ÿ]*可选地匹配大写字符A-Z，然后匹配定义的范围
• (?:\s+[a-zÀ-ÿ,]*)*可选择性地重复匹配1+空白字符和一个或多个范围
• \s+[A-Z][a-zÀ-ÿ]*\s+[A-Z][a-zÀ-ÿ,]*匹配2次空格字符，后面跟着字符类中定义的大写字母A和可选字符
• .*?[.!?]匹配尽可能少的字符，后面跟着.、!或?中的一个
• (?!\S)断言右边的空白边界

Regex演示