Python提取CEO姓名要素：头衔提取及方案优化咨询

问题背景 #

刚接触Python，需要处理网页爬取的CEO联系信息字符串，拆分出称呼、头衔、姓、名要素。要素存在多种变化：可能无称呼、头衔数量不定（单个/多个）、名字可能有多个，但要素顺序固定且仅有一个姓。现有代码头衔提取逻辑存在问题，需修正并寻求更优实现。

原代码及测试样例：

# 测试字符串样例
ceo1 = "Herr Dr. Mustermann Max" # 称呼、头衔、姓、名
ceo2 = "Müller Monika" # 仅名、姓
ceo3 = "Frau Mustermann Iris Petra" # 称呼、姓、两个名
ceo4 = "Herr Mag. Dr. Schubert Franz Peter" # 称呼、两个头衔、姓、两个名
ceo5 = "Herr Dipl.-Ing. BA Mozart Wolfgang Amadeus" # 称呼、两个头衔（其中一个无末尾点）、姓、两个名

ceo = ceo2

# 提取称呼
salutation_list = ["Herr", "Frau"]
salutation_test = bool(sum(map(lambda x: x in ceo, salutation_list)))

if salutation_test is True:
    salutation = ceo[0:4]
    ceo_without_salutation = ceo[5:]
else:
    salutation = "N/A"
    ceo_without_salutation = ceo

# 提取头衔（此处存在问题）
title_list = ["Dr.", "Mag. Dr.", "BA", "Dipl.-Ing."]
title_test = bool(sum(map(lambda x: x in ceo_without_salutation, title_list)))

if title_test is True:
    title = "titel" # 如何从列表中提取对应元素并从字符串中移除？
    ceo_without_title = "ceo_without_salutation - titel"
else:
    title = "N/A"
    ceo_without_title = ceo_without_salutation

name_list = ceo_without_title.split(" ") 

# 提取姓
lastname = name_list[0]

# 提取名
del name_list[0] 
firstname = "".join(name_list)

原代码核心问题 #

1. 称呼提取逻辑不严谨：用固定切片ceo[0:4]，对"Frau"（仅3字符）会提取错误，且未确保称呼是字符串的开头单词
2. 头衔处理失效：仅判断头衔是否存在，无法提取多个连续头衔，也不能准确从原字符串中移除头衔部分
3. 名字拼接错误：用"".join(name_list)会把多个名字直接连在一起（如"Iris Petra"变成"IrisPetra"）

优化实现方案 #

基于要素固定顺序**[称呼（可选）→头衔组（可选）→姓→名组]**，采用拆分单词列表的方式分步处理，逻辑清晰且适配所有场景：

# 配置预设的称呼和头衔集合
SALUTATIONS = {"Herr", "Frau"}
TITLES = {"Dr.", "Mag.", "BA", "Dipl.-Ing."}

def parse_ceo_info(ceo_str):
    # 先把字符串拆分为单词列表，方便逐个处理
    word_list = ceo_str.split()
    salutation = "N/A"
    title_list = []
    lastname = ""
    firstnames = []

    # 1. 提取开头的称呼（如果存在）
    if word_list and word_list[0] in SALUTATIONS:
        salutation = word_list.pop(0)
    
    # 2. 提取连续的所有头衔（如果存在）
    while word_list and word_list[0] in TITLES:
        title_list.append(word_list.pop(0))
    
    # 3. 拆分姓和名：剩余列表第一个是姓，其余都是名
    if word_list:
        lastname = word_list.pop(0)
        firstnames = word_list
    
    # 整理成结构化结果返回
    return {
        "salutation": salutation,
        "title": ", ".join(title_list) if title_list else "N/A",
        "lastname": lastname,
        "firstname": " ".join(firstnames) if firstnames else "N/A"
    }

# 测试所有样例
test_cases = [
    "Herr Dr. Mustermann Max",
    "Müller Monika",
    "Frau Mustermann Iris Petra",
    "Herr Mag. Dr. Schubert Franz Peter",
    "Herr Dipl.-Ing. BA Mozart Wolfgang Amadeus"
]

for idx, case in enumerate(test_cases, 1):
    result = parse_ceo_info(case)
    print(f"=== 测试样例 {idx} ===")
    print(f"原始字符串: {case}")
    print(f"称呼: {result['salutation']}")
    print(f"头衔: {result['title']}")
    print(f"姓: {result['lastname']}")
    print(f"名: {result['firstname']}\n")

方案优势 #

1. 鲁棒性强：通过单词列表逐个匹配，避免固定切片的错误，适配所有场景
2. 扩展性好：新增称呼或头衔只需修改集合，无需调整核心逻辑
3. 格式规范：多个头衔用逗号分隔，多个名字用空格分隔，符合常规格式

测试输出 #

=== 测试样例 1 ===
原始字符串: Herr Dr. Mustermann Max
称呼: Herr
头衔: Dr.
姓: Mustermann
名: Max

=== 测试样例 2 ===
原始字符串: Müller Monika
称呼: N/A
头衔: N/A
姓: Müller
名: Monika

=== 测试样例 3 ===
原始字符串: Frau Mustermann Iris Petra
称呼: Frau
头衔: N/A
姓: Mustermann
名: Iris Petra

=== 测试样例 4 ===
原始字符串: Herr Mag. Dr. Schubert Franz Peter
称呼: Herr
头衔: Mag., Dr.
姓: Schubert
名: Franz Peter

=== 测试样例 5 ===
原始字符串: Herr Dipl.-Ing. BA Mozart Wolfgang Amadeus
称呼: Herr
头衔: Dipl.-Ing., BA
姓: Mozart
名: Wolfgang Amadeus

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