捕获复杂名称

Question

我的数据：

Caterina Guonçallvez braçeyro 
Francisco Ro[dr]í[gueJz luveyro
Johao de Miranda calçeteyro 
Lucas Martinz Mal-Cuzinhado, braçeyro 
Francisquo d[e] Arruda braçeyro 
Francisquo de Miranda braçeyro 

-first名姓

带有-first和J (brakets识别)

带有连字符的-first名称

带有粒子的-first名称

带有粒子的-first姓氏

预期产出

Caterina Guonçallvez
Francisco Ro[dr]í[gueJz
Johao de Miranda
Lucas Martinz Mal-Cuzinhado
Francisquo d[e] Arruda
Francisquo de Miranda

• 名字以大写字母开头
• 名字的最后一部分后面是空格(或逗号加空格)和一个以小写字符开头的单词，如“bra”或“cal”(人的工作)。 数据<- readLines(“剪贴板”，编码= "latin1")

我试过的是：

^([a-zA-ZàáâäãåąčćęèéêëėįìíîïłńòóôöõøùúûüųūÿýżźñçčšžÀÁÂÄÃÅĄĆČĖĘÈÉÊËÌÍÎÏĮŁŃÒÓÔÖÕØÙÚÛÜŲŪŸÝŻŹÑßÇŒÆČŠŽ∂ð])\w+[A-Z ,.'-]\w+

给予

安东尼奥·戈麦斯

卡特琳娜·瓜恩

弗朗西斯科·罗

乔德

弗朗西斯科d

Answer 1

模式(([A-Z][\w\[\]-]+|de|d\[e\])\s?)+返回：

'Caterina Guonçallvez '
'Francisco Ro[dr]í[gueJz '
'Johao de Miranda '
'Lucas Martinz Mal-Cuzinhado'
'Francisquo d[e] Arruda '
'Francisquo de Miranda '

这假设您正确地设置了区域设置。

regex匹配字母组(和连字符)，以大写字母或"de“开头，后面跟着可选的空格。这意味着您需要剥离字符串以删除尾随空格。

编辑：证明它在R中工作：

> Sys.setlocale("LC_ALL","en_us.UTF-8")
> library(stringr)
> x <- "Caterina Guonçallvez braçeyro "
> str_match(x, '(([A-Z][\\w\\[\\]-]+|de|d\\[e\\])\\s?)+')
     [,1]                    [,2]           [,3]         
[1,] "Caterina Guonçallvez " "Guonçallvez " "Guonçallvez"