Python正则表达式姓名标准化：如何保留非首字母部分空格

你的问题出在当前正则会匹配首字母与后续完整姓名之间的空格，导致替换后丢失了这个空格。我们需要调整正则，只针对首字母之间的分隔符（点、空格）进行合并，同时保留首字母组和完整姓名部分的空格。

解决方案代码 #

import re

# 匹配首字母之间的点/空格分隔符，仅当后面还是一个首字母时才替换
pattern = re.compile(r'(\b[A-Z])[\.\s]+(?=[A-Z]\b)', re.IGNORECASE)

# 测试各个用例
test_cases = [
    "J. J. Abrams",
    "J J Abrams",
    "J.J Abrams",
    "J.J. Abrams",
    "J  J Abrams"
]

for case in test_cases:
    normalized = pattern.sub(r'\1', case)
    print(f"{case} -> {normalized}")

运行结果：

J. J. Abrams -> JJ Abrams
J J Abrams -> JJ Abrams
J.J Abrams -> JJ Abrams
J.J. Abrams -> JJ Abrams
J  J Abrams -> JJ Abrams

正则表达式解释 #

让我们拆解这个正则的含义：

• (\b[A-Z])：捕获组，匹配一个单词边界（\b）后跟单个字母（不区分大小写，因为加了re.IGNORECASE），这个捕获组用来保留首字母本身。
• [\.\s]+：匹配一个或多个点（.）或空格（\s），这就是我们要去掉的首字母之间的分隔符。
• (?=[A-Z]\b)：正向预查，确保当前匹配的分隔符后面紧跟着另一个首字母（单个字母+单词边界）。这个条件是关键——它保证我们只替换首字母之间的分隔符，不会碰首字母和完整姓名（长度>1的单词）之间的空格。

补充：处理单个首字母的情况 #

如果你的需求还包括去掉单个首字母后面的点（比如把John D.变成John D），可以再加一个正则处理这种场景：

import re

def normalize_full_name(name):
    # 第一步：合并多个首字母
    multi_initial_pattern = re.compile(r'(\b[A-Z])[\.\s]+(?=[A-Z]\b)', re.IGNORECASE)
    name = multi_initial_pattern.sub(r'\1', name)
    
    # 第二步：去掉单个首字母后的点
    single_initial_pattern = re.compile(r'(\b[A-Z])\.(?!\s*[A-Z]\b)', re.IGNORECASE)
    name = single_initial_pattern.sub(r'\1', name)
    
    return name

# 测试单个首字母场景
print(normalize_full_name("John D."))  # 输出: John D
print(normalize_full_name("Smith J. J."))  # 输出: Smith JJ

这个补充正则里的(?!\s*[A-Z]\b)是负向预查，确保当前首字母后面没有其他首字母，只处理单个首字母的点。

内容的提问来源于stack exchange，提问作者sisanared