如何用正则表达式完善Python字符串列表的姓名清理与拆分逻辑

问题背景 #

需要处理存储姓名的字符串列表，实现两个核心需求：

• 移除连续2个及以上首字母非大写且非指定连接词（del、de el、de）的无效词汇
• 若存在多个首字母大写的有效姓名，拆分为列表独立元素

修正后的完整代码 #

import re

input_names = ["María Sol", "María del Carmen Perez Agüiño", "Melina Saez Sossa", "el de juego es Alex" , "Harry ddeh jsdelasd Maltus ", "Ben White ddesddsh jsdelasd Regina yáshas asdelas Javier Ruben Rojas", "Robert", 'Melina presento el nuevo presupuesto', "presento el nuevo presupuesto, María del Carmén "]

# 定义有效连接词，长模式优先避免部分匹配
valid_connectives = r'(?:del|de el|de)'
# 正则匹配完整有效姓名块：支持带西班牙语重音的姓名，兼容指定连接词
name_block_pattern = re.compile(
    rf'(?:[A-ZÁÉÍÓÚÜÑ][a-záéíóúüñ]+(?:\s+{valid_connectives})?\s+)*[A-ZÁÉÍÓÚÜÑ][a-záéíóúüñ]+',
    re.UNICODE
)

result_list = []

for raw_str in input_names:
    # 清理字符串：移除标点、首尾空格
    cleaned_str = re.sub(r'[^\w\sáéíóúüñÁÉÍÓÚÜÑ]', '', raw_str).strip()
    # 提取所有有效姓名块
    valid_name_blocks = name_block_pattern.findall(cleaned_str)
    # 格式化每个姓名块（去除多余空格）并加入结果列表
    for block in valid_name_blocks:
        formatted_block = re.sub(r'\s+', ' ', block).strip()
        result_list.append(formatted_block)

print(result_list)

关键逻辑说明 #

1. 正则设计

   • 有效连接词用非捕获组定义，将de el放在de前面，避免把de el拆成两个独立连接词匹配
   • 姓名块正则匹配首字母大写（含西班牙语重音大写）的词汇，允许后续跟随「连接词+首字母大写词」的组合，确保完整姓名（如María del Carmen）被识别为单个有效块

2. 字符串预处理

   • 先移除字符串中的标点符号（如逗号），避免干扰正则匹配，同时去除首尾空格简化处理

3. 结果生成

   • 用findall提取所有有效姓名块，自动实现多姓名拆分
   • 对每个姓名块做格式清理，替换连续空格为单个空格，保证输出格式统一

输出验证 #

运行代码后将得到目标输出：

["María Sol", "María del Carmen Perez Agüiño", "Melina Saez Sossa", "Alex", "Harry", "Maltus", "Ben White", "Regina", "Javier Ruben Rojas", "Robert", "Melina", "María del Carmén"]

内容的提问来源于stack exchange，提问作者Matt095