R语言如何按大小写规则拆分姓名字符串为姓氏和名字向量

需求说明 #

现有存储姓名的字符向量，格式规则固定：

• 姓氏部分全部为大写字母，部分复姓内部包含空格
• 名字部分仅首字母大写，其余字母均为小写
  需要将每个姓名拆分为两个独立向量：全大写的姓氏向量、对应的名字向量。

示例输入 #

names <- c("BIDEN Joe", "DE WEERDT Jan", "SCHEPERS Caro")

预期输出 #

• 姓氏向量：

surnames <- c("BIDEN", "DE WEERDT", "SCHEPERS")

• 名字向量：

first_names <- c("Joe", "Jan", "Caro")

实现方案 #

核心逻辑：利用名字的格式特征——名字永远是字符串最末端、首字母大写后续全小写的片段，不需要提前判断姓氏包含几个单词，直接通过正则匹配即可精准拆分，适配多空格复姓场景。

方法1：Base R 原生实现（无需安装加载第三方包） #

直接用基础R的正则替换函数完成拆分：

# 提取末尾的名字片段
first_names <- sub(".* ([A-Z][a-z]+)$", "\\1", names)
# 移除末尾的名字片段，去除多余空格得到姓氏
surnames <- trimws(sub(" [A-Z][a-z]+$", "", names))

运行结果校验：

> surnames
[1] "BIDEN"     "DE WEERDT" "SCHEPERS"
> first_names
[1] "Joe"  "Jan"  "Caro"

和预期结果完全匹配，即便是包含多段空格的复姓（例如"VAN DER SAR Edwin"）也能正确识别拆分。

方法2：stringr 包实现（tidyverse 生态友好写法） #

如果日常使用tidyverse系列工具，可以用stringr的函数实现，逻辑和原生方法一致，代码可读性更强：

library(stringr)
# 提取末尾符合名字规则的片段
first_names <- str_extract(names, "[A-Z][a-z]+$")
# 移除名字片段后去除多余空格得到姓氏
surnames <- str_trim(str_remove(names, " [A-Z][a-z]+$"))

内容的提问来源于stack exchange，提问作者JoGa