Python 使用正则表达式进行身份解析

我有一份从身份解析中获益的论文作者名单！ 例如，它应与以下名称匹配：

Peter J. Smith
Peter Smith
P.J. Smith
P. J. Smith (works with space or without it)
p.j. smith 

---

我对RegEx不熟悉。我想用R/Python编写一个正则表达式，匹配名字的首字母和整个姓氏，忽略中间的名字。（虽然，这种方法会有一些问题，例如出现诸如Peter L.Smith之类的名字，但我认为考虑中间名会使事情复杂化。）感谢您的帮助

在结尾的笔记中使用

L

，尝试将第一个字母加上最后一个空格后的所有内容，并将其传递给语音包中的一个算法。在本例中，它确实正确地将Peter Smith的所有变体映射到相同的代码，同时用不同的代码区分Peter Sorensen

library(phonics)

onca(sub("^(.).* (.*)", "\\1 \\2", trimws(L)))
## [1] "P253" "P253" "P253" "P253" "P253" "P265"

该软件包还包含soundex和其他算法，您可以试用

注

---

我给我们看看你试过什么…看看这对你有没有帮助。谢谢我们可以避免将“保罗·史密斯”与“彼得·史密斯”相提并论吗？你将不得不根据你的名单来选择不同的版本。不太可能达到100%的准确率。
L <- c("Peter J. Smith", "Peter Smith", "P.J. Smith", "P. J. Smith", "p.j. smith", 
 "Peter Sorensen")