使用Python正则表达式去除常见公司名称后缀

问题场景 #

需要清理公司名称中的各类后缀，但当前代码未达到预期效果：

预期处理结果 #

原始名称：

Apple Inc.
Sony Corporation
Fiat Chrysler Automobiles S.p.A.
Samsung Electronics Co., Ltd.

清理后名称：

Apple
Sony
Fiat Chrysler Automobiles
Samsung Electronics

当前实现代码 #

import re

def remove_company_suffixes(company_name):
  suffix_pattern = r"\s*(?:co(?:rp(?:oration)?|mpany)?|ltd\.|llc|gmbh|sa|sp\.a\.|s\.r\.l\.|ag|nv|bv|inc\.|s\.a\.s\.|e\.u\.|s\.l\.|s\.a\.l\.|doo|dooel|d.o.o.|szr|ltd|inc|llc|corp|ag|sa|sp|sl)\.?$"
  return re.sub(suffix_pattern, '', company_name.strip())

company_names = ["Apple Inc.", "Sony Corporation", "Fiat Chrysler Automobiles S.p.A.", "Samsung Electronics Co., Ltd.", "Plasticos SA", "ABC GmbH"]
for company_name in company_names:
  cleaned_name = remove_company_suffixes(company_name)
  print(cleaned_name)

实际运行结果 #

Apple
Sony
Fiat Chrysler Automobiles S.p.A.
Samsung Electronics Co.,
Plasticos
ABC

问题分析 #

现有正则存在两个核心缺陷：

1. 大小写匹配限制：正则里的sp\.a\.是小写规则，但目标文本是大写S.p.A.，默认区分大小写导致匹配失败；
2. 组合后缀未覆盖：Co., Ltd.是带逗号的组合后缀，现有正则仅支持独立后缀匹配，无法处理这类带标点分隔的场景。

修复方案 #

调整正则表达式，解决上述问题：

• 添加(?i)开启不区分大小写模式，兼容大小写后缀；
• 新增带逗号的组合后缀匹配规则；
• 优化后缀的点符号匹配逻辑，兼容有无点的写法。

修正后的代码 #

import re

def remove_company_suffixes(company_name):
    # 开启不区分大小写，覆盖组合后缀与独立后缀
    suffix_pattern = r"(?i)\s*(?:co\.?,\s*ltd\.?|co(?:rp(?:oration)?|mpany)?|ltd\.?|llc|gmbh|sa\.?|sp\.?a\.?|s\.?r\.?l\.?|ag|nv|bv|inc\.?|s\.?a\.?s\.?|e\.?u\.?|s\.?l\.?|s\.?a\.?l\.?|doo|dooel|d\.?o\.?o\.?|szr)\.?$"
    cleaned = re.sub(suffix_pattern, '', company_name.strip())
    # 清理可能残留的末尾逗号
    return re.sub(r",$", "", cleaned).strip()

company_names = ["Apple Inc.", "Sony Corporation", "Fiat Chrysler Automobiles S.p.A.", "Samsung Electronics Co., Ltd.", "Plasticos SA", "ABC GmbH"]
for company_name in company_names:
    cleaned_name = remove_company_suffixes(company_name)
    print(cleaned_name)

运行结果 #

Apple
Sony
Fiat Chrysler Automobiles
Samsung Electronics
Plasticos
ABC

关键优化说明 #

1. (?i)修饰符：让正则忽略大小写，不管后缀是大写（S.p.A.）还是小写（sp.a.）都能匹配；
2. co\.?,\s*ltd\.?：专门匹配Co., Ltd.这类带逗号的组合后缀，\s*兼容空格变化；
3. 后缀点处理：用\.?表示后缀里的点可选，比如SA和SA.都能匹配；
4. 末尾逗号清理：额外处理可能残留的逗号，确保最终结果格式干净。

内容的提问来源于stack exchange，提问作者Mahdi