将人名大写（占 ' 和 - ）

Posted 2023-03-13

【中文标题】将人名大写（占 \' 和 - ）

【英文标题】：Decapitalize human names (accounting for ' and -)将人名大写（占 ' 和 - ）

【发布时间】：2015-12-21 23:52:59

【问题描述】：

我有一个（人类）名字的向量，全部大写：

names <- c("FRIEDRICH SCHILLER", "FRANK O'HARA", "HANS-CHRISTIAN ANDERSEN")

到目前为止，为了减少大写（仅首字母大写），我正在使用

simpleDecap <- function(x) 
  s <- strsplit(x, " ")[[1]] 
  paste0(substring(s, 1,1), tolower(substring(s, 2)), collapse=" ")
  
sapply(names, simpleDecap, USE.NAMES=FALSE)
# [1] "Friedrich Schiller"         "Frank O'hara"         "Hans-christian Andersen"

但我也想说明' 和-。使用s <- strsplit(x, " |\\'|\\-")[[1]] 当然可以找到正确的字母，但随后在折叠' 和- 中迷路了。因此，我尝试了

simpleDecap2 <- function(x) 
  for (char in c(" ", "\\-", "\\'"))
    s <- strsplit(x, char)[[1]] 
    x <-paste0(substring(s, 1,1), tolower(substring(s, 2)), collapse=char)
   return x
  

sapply(names, simpleDecap, USE.NAMES=FALSE)

当然，这更糟糕，因为结果会一个接一个地分开：

sapply(names, simpleDecap2, USE.NAMES=FALSE)
# [1] "Friedrich schiller"      "Frank o'Hara"            "Hans-christian andersen"

我认为正确的方法是根据s <- strsplit(x, " |\\'|\\-")[[1]] 进行拆分，但paste= 是问题所在。

【参考方案1】：

这似乎可行，使用 Perl 兼容的正则表达式：

gsub("\\b(\\w)([\\w]+)", "\\1\\L\\2", names, perl = TRUE)

\L 将以下匹配组转换为小写。

【讨论】：

喜欢 perl-regexp 的简洁性和不可理解性:-)

@CarlWitthoft 我真的不同意这一点。像任何其他语言一样，它们必须学习，但就它们表达的内容而言，它们非常简单易懂。正则表达式难以理解的普遍说法是一个巨大的谣言：等效的手动解析代码几乎总是更复杂且更难理解。对此使用“难以理解”这个词确实具有误导性。

这是对 perl 本身允许编程风格的模因的幽默挖掘，相比之下，混淆的 c 代码竞赛显得苍白无力。当然，正则表达式是 进行字符串操作的方式。

偏离了已发布的问题 - 假设有一个类似 FRED BOUchARD 的输入，或者更糟的是 IAN MACDONALD (Ian MacDonald)。

@CarlWitthoft 您的“Fred Bouchard”案例有效（或者这应该对外壳做一些奇怪的事情？）。像“MacDonald”这样的东西如果不硬编码这样的前缀就很难（不可能？）。

【参考方案2】：

虽然我同意 Perl 正则表达式是更好的解决方案，但 simpleDecap2 方法离工作并不遥远。

simpleDecap3 <- function(x) 
    x <- tolower(x)
    for (char in c(" ", "-", "'"))
        s <- strsplit(x, char)[[1]] 
        x <-paste0(toupper(substring(s, 1,1)), substring(s, 2), collapse=char)
     
    x

即把整个名称转小写，然后将“”、“-”或“'”后面的第一个字母大写。不像正则表达式那样好看，而且很可能没有那么健壮，但它只需对原始代码进行微小的更改即可完成工作。

【讨论】：

这只返回第一个值。

是的，它和simpleDecap2的格式一样，你需要像sapply(names, simpleDecap3, USE.NAMES=FALSE)这样称呼它。