python - 解析姓名和学位？

Question

我正在尝试解析包含姓名和学位的字符串。我有一长串这些。有些不包含学位，有些包含一个，有些包含多个。

示例字符串:

Sam da Man J.D.
Green Eggs Jr. Ed.M.
Argle Bargle Sr. MA
Cersei Lannister M.A. Ph.D. 

据我所知，学位有以下模式:

x.x.
x.x.x.
x.x.xx.
x.xx.
xx.x.
x.xxx.
two caps (ex: 'MA')

我将如何解析它？

我是正则表达式的新手，事实证明解决这个问题非常耗时。我一直在用这个 post并尝试了 split = re.split('\s+|([.])',s) 和 split = re.split('\s+|\.',s) 但它们仍然在第一个空格处分开。

作为对第一条评论的回应，我考虑过学位名称。我一直在尝试制作一个识别“x.x”然后识别通配符的正则表达式，因为度数中有几种模式如下所示:x.x(something):x.x.x.x.x.x.x.xx.

然后我还有一些要分类。

或者，对名称进行分类可能更容易？

或者甚至在集合中列出学位并搜索它们？

{'M.A.T.','Ph.D.','MA','J.D.','Ed.M.', 'M.A.', 'M.B.A.', 'Ed.S.', 'M.Div.', 'M.Ed.", 'RN', 'B.S.Ed.'}

Answer 1

试着改变你的“Jr.”，“Sr.”，......用这样的东西代替它们:“Jr~”，“Sr~”，......这是执行此操作的正则表达式:

/ (Jr|Sr)\. / $1~ /g

(参见 here)

你得到这个字符串:

Sam da Man J.D.
Green Eggs Jr~ Ed.M.
Argle Bargle Sr~ MA
Cersei Lannister M.A. Ph.D. 

现在您可以使用此正则表达式轻松获取度数:

/ (MA|RN|([A-Z][a-z]?[a-z]?\.)+) /g

(参见 here)