如何使用 python 中的正则表达式从无序数据字符串中提取名称？

Question

我需要从下面的句子中提取人名。

输入： 替补：MAHAJAN、MEHR CHAND 替补：MAHAJAN、MEHR CHAND DAS、SUDHI RANJAN BOSE、VIVIAN HASAN、GHULAM 引文：1953 AIR 28 1953 SCR 197

输出： MEHR CHAND MAHAJAN, MEHR CHAND MAHAJAN, SUDHI RANJAN DAS, VIVIAN BOSE, GHULAM HASAN

为了从句子的第一部分提取名称，我使用了以下代码。

bench = re.search('BENCH: (.*?) BENCH', contents)
if bench:
    bench = bench.group(1)
    bench = ' '.join(reversed(bench.split(",")))
    print(bench)

输出： MEHR CHAND MAHAJAN

Answer 1

您可以使用此正则表达式来匹配输入数据中的名称：

((?:\w+), (?:\w+(?: \w+)?))(?= BENCH:| CITATION:| \w+,)

这会查找一个单词 (\w+)，后跟逗号，然后是用 space (\w+(?: \w+)?) 分隔的一两个单词，然后使用向前查找断言这些词必须后跟 BENCH:、CITATION: 之一或后跟逗号 (\w+,).

的另一个词

names = re.findall(r'((?:\w+), (?:\w+(?: \w+)?))(?= BENCH:| CITATION:| \w+,)', contents)

对于您的示例数据，这会产生：

['MAHAJAN, MEHR CHAND', 'MAHAJAN, MEHR CHAND', 'DAS, SUDHI RANJAN', 'BOSE, VIVIAN', 'HASAN, GHULAM']

然后可以根据需要重新格式化此列表：

names = ', '.join((map(lambda n:' '.join(n.split(', ')[-1::-1]), names)))

输出：

'MEHR CHAND MAHAJAN, MEHR CHAND MAHAJAN, SUDHI RANJAN DAS, VIVIAN BOSE, GHULAM HASAN'

如何使用 python 中的正则表达式从无序数据字符串中提取名称？

How to extract names from unordered data string using regular expression in python?

python

regex

python-re