python - 使用国际字符匹配 Firstname Lastname 表单上的名称

Question

我试图通过假设名字的形式是 Firstname LaSTLame 来捕捉名字。这适用于下面的代码，但我希望能够捕捉到像 Pär Åberg 这样的国际名称。我找到了一些解决方案，但不幸的是，它们似乎不适用于 Python 风格的正则表达式。有没有人对此有深入的了解？

#!/usr/bin/python
# -*- coding: utf-8 -*- 
import re

text = """
This is a text containing names of people in the text such as 
Hillary Clinton or Barack Obama. My problem is with names that uses stuff 
outside A-Z like Swedish names such as Pär Åberg."""

for name in re.findall("(([A-Z])[\w-]*(\s+[A-Z][\w-]*)+)", text):
    firstname = name[0].split()[0]
    print firstname

Answer 1

您需要一个替代品 regex library因为在那里你可以使用 \p{L} - 任何 Unicode 字母。

然后，使用

ur'\p{Lu}[\w-]*(?:\s+\p{Lu}[\w-]*)+'

当使用 Unicode 字符串初始化正则表达式时，会自动使用 UNICODE 标志:

If neither the ASCII, LOCALE nor UNICODE flag is specified, it will default to UNICODE if the regex pattern is a Unicode string and ASCII if it’s a bytestring.