使用stringr包格式化作者姓名的技术实现需求

需求说明 #

需要将作者姓名转换为 LAST, 1st. 2nd. 3rd. ... 格式，具体规则及示例如下：

• 单姓名示例：
  • Daenerys Targaryen → TARGARYEN, D.
  • George R. R. Martin → MARTIN, G. G. R.
  • Luís Inácio Lula da Silva → SILVA, L. I. L. da
• 多姓名示例：
  • Daenerys Targaryen, Luís Inácio Lula da Silva → TARGARYEN, D.; SILVA, L. I. L. da

实现方案 #

使用stringr包结合正则表达式编写自定义函数，分别处理单姓名和多姓名场景：

1. 加载依赖包

library(stringr)
library(purrr) # 用于批量处理多姓名

2. 编写单姓名格式化函数

format_single_name <- function(name) {
  # 提取姓氏（最后一个首字母大写的单词，支持带重音字符）
  last_name <- str_extract(name, "\\b[A-ZÀ-ÿ][a-zÀ-ÿ]+$")
  # 提取姓氏以外的部分（名+可能的小写前缀）
  rest_part <- str_trim(str_remove(name, str_c("\\b", last_name, "$")))
  
  # 提取名的首字母（所有首字母大写的单词的首字母）
  initials <- str_extract_all(rest_part, "\\b[A-ZÀ-ÿ]")[[1]]
  initials_formatted <- str_c(initials, ".", collapse = " ")
  
  # 提取小写前缀（如果存在，即rest_part末尾的小写单词）
  prefix <- str_extract(rest_part, "\\b[a-zà-ÿ]+$")
  if (!is.na(prefix)) {
    initials_formatted <- str_c(initials_formatted, " ", prefix)
  }
  
  # 组合最终格式
  str_c(str_to_upper(last_name), ", ", initials_formatted)
}

3. 测试单姓名格式化

format_single_name("Daenerys Targaryen")
# [1] "TARGARYEN, D."

format_single_name("George R. R. Martin")
# [1] "MARTIN, G. R. R."

format_single_name("Luís Inácio Lula da Silva")
# [1] "SILVA, L. I. L. da"

4. 处理多姓名场景
   通过拆分字符串、批量处理、重新拼接实现：

format_multiple_names <- function(names_str) {
  # 按逗号+空格拆分多个姓名
  name_list <- str_split(names_str, ",\\s+")[[1]]
  # 批量格式化每个姓名后用分号+空格拼接
  str_c(map_chr(name_list, format_single_name), collapse = "; ")
}

5. 测试多姓名格式化

format_multiple_names("Daenerys Targaryen, Luís Inácio Lula da Silva")
# [1] "TARGARYEN, D.; SILVA, L. I. L. da"

代码说明 #

• 正则表达式\\b[A-ZÀ-ÿ][a-zÀ-ÿ]+$用于匹配最后一个首字母大写的姓氏，兼容带重音的特殊字符；
• 提取名的首字母时，匹配所有首字母大写的单词，确保缩写覆盖所有名的部分；
• 小写前缀（如da）会被识别并追加在名缩写之后，完全符合示例规则；
• 使用purrr::map_chr实现批量处理多姓名，保证代码简洁高效。

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