如何用R为姓名分配正确大小写？含Mc类特殊姓名处理

一、现成R包解决方案 #

推荐使用humaniformat包，它专门针对人名格式化需求，能自动处理Mc、Mac、O'这类特殊前缀的大小写问题：

1. 安装并加载包：

install.packages("humaniformat")
library(humaniformat)

2. 使用format_name函数处理：

# 示例数据
names <- c("mcdonald", "MACARTHUR", "o'connor", "van der sar", "smith")

# 格式化姓名
formatted_names <- format_name(names, case = "title")
formatted_names
# 输出："McDonald" "MacArthur" "O'Connor" "Van Der Sar" "Smith"

这个包会自动识别常见的人名前缀规则，比基础的str_to_title更贴合姓名处理场景。

二、自定义函数实现 #

如果不想额外安装包，可以写自定义正则替换函数，覆盖常见特殊姓名规则：

format_custom_name <- function(x) {
  # 先统一转成小写
  x <- tolower(x)
  # 处理Mc前缀：Mc后面的字母大写
  x <- gsub("mc(.)", "Mc\\U\\1", x, perl = TRUE)
  # 处理Mac前缀：Mac后面的字母大写
  x <- gsub("mac(.)", "Mac\\U\\1", x, perl = TRUE)
  # 处理O'前缀：O'后面的字母大写
  x <- gsub("o'(.)", "O'\\U\\1", x, perl = TRUE)
  # 处理Van/Von类前缀：前缀及后续介词首字母大写
  x <- gsub("(van|von) (der|den|de) (.)", "\\U\\1 \\U\\2 \\U\\3", x, perl = TRUE)
  x <- gsub("(van|von) (.)", "\\U\\1 \\U\\2", x, perl = TRUE)
  # 处理普通单词首字母大写
  x <- gsub("\\b(\\w)", "\\U\\1", x, perl = TRUE)
  return(x)
}

# 测试
test_names <- c("mcdonald", "macarthur", "o'connor", "van der sar", "john smith", "DOE")
format_custom_name(test_names)

函数先统一转小写，再针对特殊前缀做正则替换，最后处理普通单词首字母大写，覆盖大部分常见特殊姓名场景。

三、检测需要清理的姓名 #

原正则无法覆盖特殊姓名，可通过以下规则检测：

• 全大写或全小写的姓名
• 特殊前缀（Mc/Mac/O'）后接小写字母的姓名
• 单词首字母为小写的姓名

对应的检测代码：

needs_cleaning <- function(x) {
  # 全大写
  all_upper <- x == toupper(x)
  # 全小写
  all_lower <- x == tolower(x)
  # Mc后接小写
  mc_lower <- grepl("mc[a-z]", x, ignore.case = FALSE)
  # Mac后接小写
  mac_lower <- grepl("mac[a-z]", x, ignore.case = FALSE)
  # O'后接小写
  o_lower <- grepl("o'[a-z]", x, ignore.case = FALSE)
  # 单词首字母小写
  word_lower <- grepl("\\b[a-z]", x, perl = TRUE)
  
  # 满足任一条件则需要清理
  return(all_upper | all_lower | mc_lower | mac_lower | o_lower | word_lower)
}

# 测试
test_names <- c("McDonald", "mcdonald", "MACARTHUR", "O'Connor", "o'connor", "John Smith", "john smith")
needs_cleaning(test_names)
# 输出：FALSE  TRUE  TRUE FALSE  TRUE FALSE  TRUE

这样就能精准定位需要处理的姓名条目。

内容的提问来源于stack exchange，提问作者PhantomICEMAN