正则表达式re模块问题：匹配含可选多姓氏的完整称谓姓名

问题描述 #

我搞不懂Python的re模块怎么工作，试了好多次都匹配不了包含单名或多名（含多姓氏）的完整姓名。我现在用的正则表达式是：

the_formmat = re.compile(r"Mr?s?\.?\s[A-Z][a-z]+\s[A-Z][a-z]+")
the_string = "this is Mr Samantha Rajapaksa and his wife Mrs. Chalani Rajapaksa. his fathers name is Mr Prabath and his mothers name is Mrs Karunarathnage Dayawathi Bandara Peiris "
print(the_formmat.findall(the_string))

我知道?修饰符的用法，但不知道该放哪里才能匹配1个或多个姓氏。当前输出是：

['Mr Samantha Rajapaksa', 'Mrs. Chalani Rajapaksa', 'Mrs Karunarathnage Dayawathi']

期望输出是：

['Mr Samantha Rajapaksa', 'Mrs. Chalani Rajapaksa', 'Mr Prabath', 'Mrs Karunarathnage Dayawathi Bandara Peiris']

问题原因 #

你的正则固定要求姓名部分必须是「一个单词 + 空格 + 另一个单词」的结构，导致两种情况匹配失败：

• 单名（如Mr Prabath）没有第二个单词，无法触发匹配
• 多姓氏的姓名（如Mrs Karunarathnage Dayawathi Bandara Peiris）只能截取前两个单词，后面的部分被忽略

解决方案 #

修改正则，让姓名部分支持匹配一个或多个大写开头的单词：

the_format = re.compile(r"Mr?s?\.?\s(?:[A-Z][a-z]+(?:\s[A-Z][a-z]+)*)")

关键部分解释

• (?:[A-Z][a-z]+)：匹配单个大写开头、后续为小写字母的单词（使用非捕获组(?:...)避免生成多余的分组结果）
• (?:\s[A-Z][a-z]+)*：允许前面的单词结构重复0次或多次——*表示0或多次，既可以匹配单名（重复0次），也能匹配任意多个后续的姓氏/名字部分

运行修改后的代码，输出将与期望完全一致：

['Mr Samantha Rajapaksa', 'Mrs. Chalani Rajapaksa', 'Mr Prabath', 'Mrs Karunarathnage Dayawathi Bandara Peiris']

可选优化 #

如果需要兼容头衔和姓名之间的多个空格，可以把正则里的\s改成\s+：

the_format = re.compile(r"Mr?s?\.?\s+(?:[A-Z][a-z]+(?:\s[A-Z][a-z]+)*)")

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