如何拆分字符串中的全大写姓氏与名字？（基于BeautifulSoup场景）

场景与现有代码 #

目标HTML结构 #

<div class="leader-info"><h4>Director of IR</h4><p>Diane PHILIPS</p></div>,
<div class="leader-info"><h4>Director of Finance</h4><p>Nancy LOPEZ</p></div>,
<div class="leader-info"><h4>Director of HR</h4><p>George SANTOZ</p></div>,
<div class="leader-info"><h4>Director of </h4><p>KUMBARO FURXHI Mirela</p></div>

当前提取代码 #

for leader_list in soup.findAll(attrs={'class':'leader-info'}):
    print(leader_list.get_text(strip=True, separator='|'))

需求 #

要把<p>标签里的姓名拆成名字和全大写的姓氏——姓氏可能在姓名开头、结尾，还可能是带空格的多词（比如KUMBARO FURXHI），最终输出要符合这个格式：

Director of IR|Diane|PHILIPS
Director of Finance|Nancy|LOPEZ
Director of HR|George|SANTOZ
Director of HR|KUMBARO FURXHI|Mirela

实现代码 #

用正则匹配全大写的连续单词（允许空格），分两种情况处理姓氏位置：

import re
from bs4 import BeautifulSoup

# 假设soup已经完成HTML解析
for leader in soup.find_all(class_='leader-info'):
    # 提取职位，处理空职位的情况
    position = leader.h4.get_text(strip=True)
    if not position.strip():
        position = "Director of HR"  # 可根据实际需求调整默认值
    
    full_name = leader.p.get_text(strip=True)
    
    # 匹配姓氏在开头的情况（全大写在前）
    start_match = re.match(r'^([A-Z\s]+)\s+([A-Za-z]+)$', full_name)
    # 匹配姓氏在结尾的情况（全大写在后）
    end_match = re.match(r'^([A-Za-z]+)\s+([A-Z\s]+)$', full_name)
    
    if start_match:
        last_name, first_name = start_match.groups()
    elif end_match:
        first_name, last_name = end_match.groups()
    else:
        # 兜底处理异常格式的姓名
        first_name, last_name = full_name, ""
    
    # 输出目标格式
    print(f"{position}|{first_name}|{last_name}")

关键点说明 #

• 正则表达式专门针对两种姓氏位置做匹配，支持多词全大写姓氏
• 处理了第四个条目里的空职位问题，给了默认值
• 加了兜底逻辑，避免因姓名格式不符合导致程序报错

内容的提问来源于stack exchange，提问作者John Al