c# - 用于解析姓氏有前缀的名称的正则表达式

Question

我正在学习正则表达式 (c#)，在 RegexBuddy 中工作(喜欢它)。我一直在尝试用非常具体的模式来解析名称。我知道它无法做到完美，但我认为已经非常接近我想要实现的目标了。

假设:

1. 名称模式为 FIRST [MIDDLE] LAST，全部大写，其中 MIDDLE 是可选的，并且没有标题或后缀
2. 我想将 FIRST 和 MIDDLE 捕获到名字值中，将 LAST 捕获到姓氏值中
3. FIRST 和 MIDDLE 一起可以有任意数量的单词
4. 我知道我无法匹配多个单词的姓氏(我可以接受)，除了以下两种情况:
   • 带连字符的姓氏
   • 姓氏带有前缀的名字(“EL GHAMRY SABE”、“DE AMORIM SILVA”、“DE LA HOYA”是我的数据中的实际示例)

这是到目前为止我的正则表达式(使用一些姓氏前缀):

^(?<first>[ A-Z]+?) (?<last>(?<pfx>(?:(?:EL|DE|LA) )*)[A-Z\-]+?)$

效果很好(捕获名字、姓氏和姓氏前缀):

JOHN SMITH
JOHN JAY SMITH
JOHN JAYEL SMITH
JOHN JAY SMITH-JONES
JOHN JAY JIMMY SMITH JONES  -- only "JONES" is in the last name, which is okay for this exercise
JOHN JAY EL AMIN
JOHN JAY DE LA HOYA  -- "DE LA HOYA" is the last name
JOHN JAY EL  -- a case where "EL" is actually the last name
JOHN EL AMIN

但是对于这两个在姓氏前缀后具有多部分姓氏的人来说失败(在姓氏字段中仅捕获最后一个单词):

JOHN JAY EL GHAMRY SABE
CICERO JOSE TORRES DE AMORIM SILVA

那么...2 个问题:

1. 如何更改我的表达式，以便如果存在姓氏前缀，则包含前缀及其之后的所有内容(“EL”、“DE”、“LE”、“DE LA”等)都包含在姓氏字段中，如果没有前缀，则姓氏字段中仅包含最后一个单词？
2. 由于我仍在学习，您能否对我的正则表达式提出其他改进建议？

Answer 1

我会将所有前缀匹配为名字(使用负向前视)，然后将行的其余部分匹配为姓氏。

^(?<First>(?:[-A-Z\s](?!\b(?:DE\sLA|EL|DE|LE)\b))+)\s+(?<Last>\b[-A-Z\s]+)$