कब्जा जटिल नाम

Question

मेरी डेटा:

Caterina Guonçallvez braçeyro 
Francisco Ro[dr]í[gueJz luveyro 
Johao de Miranda calçeteyro 
Lucas Martinz Mal-Cuzinhado, braçeyro 
Francisquo d[e] Arruda braçeyro 
Francisquo de Miranda braçeyro 

-first नाम अंतिम नाम
brakets और (मान्यता ओसीआर brakets) जम्मू
-first नाम हाइफ़न से अंतिम नाम के साथ -first नाम अंतिम नाम
-first brakets

अपेक्षित उत्पादन

साथ कण के साथ कण
-first नाम अंतिम नाम के साथ अंतिम नाम नाम

Caterina Guonçallvez 
Francisco Ro[dr]í[gueJz 
Johao de Miranda 
Lucas Martinz Mal-Cuzinhado 
Francisquo d[e] Arruda 
Francisquo de Miranda 

• नाम uppercases

• नाम का अंतिम भाग एक अंतरिक्ष (या अंतरिक्ष के साथ अल्पविराम) द्वारा पीछा किया जाता के साथ शुरू कर रहे हैं और एक शब्द "braçeyro" या "calçeteyro की तरह किसी लोअरकेस वर्ण से शुरू "(लोगों की नौकरियां)

  डेटा < - readLines (" क्लिपबोर्ड ", एन्कोडिंग =" latin1 ")

मैं क्या करने की कोशिश की:

^([a-zA-ZàáâäãåąčćęèéêëėįìíîïłńòóôöõøùúûüųūÿýżźñçčšžÀÁÂÄÃÅĄĆČĖĘÈÉÊËÌÍÎÏĮŁŃÒÓÔÖÕØÙÚÛÜŲŪŸÝŻŹÑßÇŒÆČŠŽ∂ð])\w+[A-Z ,.'-]\w+ 

देने
एंटोनियो Guomez
Caterina Guon
फ्रांसिस्को रो
Johao डी
Francisquo घ

Answer 1

पैटर्न (([A-Z][\w\[\]-]+|de|d\[e\])\s?)+ रिटर्न:

'Caterina Guonçallvez ' 
'Francisco Ro[dr]í[gueJz ' 
'Johao de Miranda ' 
'Lucas Martinz Mal-Cuzinhado' 
'Francisquo d[e] Arruda ' 
'Francisquo de Miranda ' 

इससे आपका स्थानीय सेट हो जाती है ई सही ढंग से।

रेगेक्स अक्षरों (और हाइफ़न) के समूहों से मेल खाता है, जो अपरकेस एक से शुरू होता है, या "डी", वैकल्पिक स्थान के बाद। इसका मतलब है कि आपको पिछली जगहों को हटाने के लिए तारों को पट्टी करने की आवश्यकता होगी।

---

संपादित करें: सबूत यह अनुसंधान में काम करता है:

> Sys.setlocale("LC_ALL","en_us.UTF-8") 
> library(stringr) 
> x <- "Caterina Guonçallvez braçeyro " 
> str_match(x, '(([A-Z][\\w\\[\\]-]+|de|d\\[e\\])\\s?)+') 
    [,1]     [,2]   [,3]   
[1,] "Caterina Guonçallvez " "Guonçallvez " "Guonçallvez"