※ 引述《danielkimo (Daniel)》之銘言：
: related to 9462
: 感謝大家的幫忙, 現在已經可以判斷網頁的文字是否為中文字,
: 以下列為例:
: Kaohsiung City Mayor Chen Chu (陳菊) looks set to represent the Democratic
[中刪]
: 通常中文字都是在括號裡, 但是要抓括號前面的英文字, 有時人名是二個字,
: 有時是三個字,請問這樣要怎樣確切抓出正且的中文翻譯呢
: ps. 有時新聞文章會有機構的名稱, 就沒辦法人名最多三個字的方法來辨別了
: output exapmle: Yang Chiu-hsing 楊秋興
: 謝謝大家
寫在前面：我還沒有想到好的答案，不過既然版上討論風氣不錯，大家集思廣益也好
人名部份比較單純，大概有兩項地雷與一條注意事項
地雷一：會不會有人有中間名？有些人會把中文（或英文）名字放成中間名
地雷二：會不會有人有中文與英文姓名，且兩者無直接關聯
（例如湯若望先生的全稱是 Johann Adam Schall von Bell）
注意事項：英文拼音較長，並且中間有連字號，所以可能會碰到行尾斷行
簡單判斷方式：
以台灣正式姓名書寫範例，應為 Xxxxx-yyyyy Zzzzzz 之格式，
可以用 (\w+-)?\w+\s\w+\(\w+\) 的方式來匹配
之後在照字數與連字號數目處理
組織名稱如果是以「連續大寫」來判定的話，可以抓
([A-Z]\w*)((\s|-)([A-Z]\w*))*\s\(\w+\)
^^^^^^中間容許為空白字元或連字號)
但像上面那行範例，就會誤判出 'Kaohsiung City Mayor Chen Chu (陳菊)'
這樣的句子。
因此以 regex 篩過之後，還是需要程式或人工檢查姓名是否匹配
人名可以從字數下手，但公司機構名稱就有些麻煩囉 ㄎㄎ
另外，機構名稱中可能有 'A' 'I' 等單字，但也可能只是剛好放到一起，
這靠人工判斷會比較簡單；
機構名稱其實也是可以使用數字的，這點修改就留給你啦
--
鬼壓床怎麼辦
騎上去啊
Blog: http://clifflu.blogspot.com/ Since March, 2007
Photo Galelry: http://www.picasaweb.com/clifflu 沒有了 T_T
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.112.230.190