Обработка строки с фамилиями и инициалами

Подскажите оптимальное решение такой задачи:

Из строки вида ‘Фамилия И.О., И.О. Фамилия, Surname Fr. P.’
Т.е. из списка фамилий с инициалами (допустимы русские и англ. символы), через запятую.
В исходной строке инициалы могут быть до и после фамилии
Инициалы могут быть отделены от фамилий и друг от друга неизвестным числом пробелов (0 или более)
Инициалов может быть 1 или 2
Длина инициалов неизвестна (т.е. они могут состоять из 1 и более символов)
Нужно получить массив из строк вида ‘Фамилия И.О.’ или ‘Фамилия И.’ (если инициал только один)
Т.е. первой идет фамилия, а за ней через 1 пробел инициал(ы)
После чего отсортировать результат по алфавиту
Т.е. из примерно такой исходной строки:
$authors = «Шишкин И.И.,Иванов А.Б., Петров-Водкин К. С. ,В.А.Сидоров-Ивановский, M.Yu. Ivanov, D. Vrel, Dash Jh. B.»;
должно получиться так:
‘Dash Jh.B.’
‘Ivanov M.Yu.’
‘Vrel D.’
‘Иванов А.Б.’
‘Петров-Водкин К.С.’
‘Сидоров-Ивановский В.А.’
‘Шишкин И.И.’

Ниже попытка ее решить. Вроде нужный результат достигнут. НО т.к. я — новичок в PHP и всяких регулярках, 100% код не оптимальный и наверняка можно лучше и проще. ))

Код (Text):

1. <?php
2. //Функция для сортировки
3. function cmp($a, $b) {
4.     return strcmp($a, $b);
5. }
6. //Исходная строка
7. $authors = «Шишкин И.И.,Иванов А.Б.,  Петров-Водкин К.  С. ,В.А.Сидоров-Ивановский, M.Yu. Ivanov, D.     Vrel, Dash Jh. B.»;
8.  
9. $author = explode(‘,’, $authors);
10. echo «<b>Input:</b>
11. <pre>n»;
12. echo «‘», $authors, «‘n»;
13. echo «</pre>n»;
14. $total = count($author);
15. for ($i = 0; $i < $total; $i++) {
16.     //убираем ведущие и завершающие пробелы
17.     $author[$i] = trim($author[$i]);
18.     //вырезаем подстроку до последнего вхождения точки
19.     $tmp = preg_replace(‘/[^.]+$/u’, », $author[$i]);
20.     //если полученная подстрока не совпадает с исходной, т.е. инициалы шли до фамилии
21.     if ($author[$i] != $tmp){
22.         //то удаляем инициалы из исходной строки
23.         $author[$i] = trim(str_replace($tmp, », $author[$i]));
24.         //убираем все пробелы из инициалов
25.         $tmp = preg_replace(‘/s+/’,»,$tmp);
26.         //дописываем инициалы через пробел после фамилии
27.         $author[$i] = $author[$i] . » » . $tmp;
28.     }
29.     //если инициалы шли после фамилии
30.     else {
31.         //вырезаем подстроку с первого пробела
32.         $tmp = substr($author[$i], strpos($author[$i],’ ‘)+1, strlen($author[$i]));
33.         // до последней точки включительно
34.         $tmp = substr($tmp, 0, strrpos($tmp,’.’)+1);
35.         //удаляем инициалы из ФИО и убираем ведущие и завершающие пробелы
36.         $author[$i] = trim(str_replace($tmp, », $author[$i]));
37.         //убираем пробелы из инициалов
38.         $tmp = preg_replace(‘/s+/’,»,$tmp);
39.         //дописываем полученные инициалы через пробел после фамилии
40.         $author[$i] = $author[$i] . » » . $tmp;
41.     }
42. }
43.  
44. //Сортируем результат
45. usort($author, ‘cmp’);
46. echo «<b>Output:</b>n<pre>n»;
47. foreach ($author as $a) {
48.     echo «‘», $a, «‘n»;
49. }
50. echo «</pre>n»;
51. ?>

Оно же в php-песочнице: https://sandbox.onlinephpfunctions.com/code/304950b353c471999ee355359ddc3da6c0d1b438

 

Можно и проще.

PHP:

1. <pre>
2. <?php
3. $authors = «Шишкин И.И.,И Андрей,   ,Сан-Антонио,Петров-Водкин К. С. ,Вл.А.Сидоров-Ивановский, M.Yu. Ivanov, D. Vrel, Dash Jh. B.»;
4.  
5. $array = explode(‘,’, $authors);
6.  
7. $names = array();
8.  
9. foreach($array as $name)
10. {
11. $values = preg_split(«/[s.]+/», trim($name, ‘. ‘));
12. $count = count($values);
13.  
14. if(!isset($values[1]))
15. {
16.    if(!empty($values[0]))
17.    $names[] = $values[0];
18. }
19. elseif(strlen($values[0]) > strlen($values[$count—1]))
20. {
21.   $lastname = array_shift($values);
22.   $names[] = sprintf(‘%s %s.’, $lastname, join(‘. ‘, $values));
23. }
24. else
25. {
26.   $lastname = array_pop($values);
27.   $names[] = sprintf(‘%s %s.’, $lastname, join(‘. ‘, $values));
28. }
29. }
30.  
31. print_r($names);
32. ?>

Но корректно работать будет, если фамилия длиннее имени или первого инициала.
Для примера проблемного имени добавил Андрея И

 

Небольшое уточнение условий задачи:

Инициал(ы) — _всегда_ заканчиваются точками и присутствуют всегда. Их может быть либо 1 либо 2. И они отделяются от фамилии либо минимум 1 пробелом (если идут после фамилии — ‘Фамилия И.О.’) либо могут не отделяться (если идут до фамилии — ‘И.О.Фамилия’).

Т.е. в исходном списке (который через запятую) не может быть элементов вроде ‘И Андрей’ (инициал не завершается точкой), ‘Сан-Антонио’ (инициалов нет) или пустых/пробельных — ‘ ‘.

Примечание:
Смысл задачи в том, что при публикации данных о различных книгах и статьях инициалы авторов могут указываться в разных форматах:
* с инициалами в начале (И.О. Фамилия) или в конце (Фамилия И.О.)
* с пробелами между инициалами (Фамилия И. О.) или без (И.О.Фамилия)

И нужно привести все ФИО авторов к единому формату, чтобы было удобно сортировать авторов (по алфавиту), для последующей генерации авторского указателя.

 

У автора может не быть инициалов. Псевдоним например. Как Сан-Антонио.
У автора помимо инициалов могут быть другие атрибуты. Например ‘ибн», «фон», «акад.», «док.», «md» и прочее.
Поэтому рекомендуется в код вставить дополнительное условие.
Если разобранная в массив $name состоит не из трех элементов, то оставлять её как есть, но помещать в дополнительный массив с некондицией. Для последующей правки вручную например.

 

Благодарю за замечания, но
* На данный момент (несколько сотен научных книжек и статей в базе) псевдонимов без инициалов не встречалось и крайне маловероятно, что будут
* Приставки вроде ибн, фон, ван и т.п. возможны. И они, очевидно, входят в результирующий список как часть фамилии. Вроде такого: ‘van der Waals J.D.’
* Ученые звания и степени вроде «акад.», «док.» и т.п. обычно не используются в списках авторов публикаций. По крайней мере, ничего похожего не встречалось.

Поэтому усложнять структуру вывода пока нет необходимости. Хотелось бы решить эту задачу в рамках существующих условий. А усложнять только по мере возникновения необходимости. ))

 

Так она в скрипте выше решена.
Имена типа «Фамилия И.О.» и «И.О. Фамилия» с любым количеством пробельных сиволов и точек разбиваются в массив, если первый его элемент длиннее последнего, то он считается фамилией, если нет, то наоборот. Оставшиеся элементы объединяются в строку через разделитель ‘. ‘, плюс еще одна точка в конец.

 

Я бы так сделал:
— искал бы регуляркой инициалы
— а потом их вырезал, это стала бы фамилия

PHP:

1. $authors = «Ив. Шишкин , ибн Иванов А.Б., Петров-Водкин К. С. ,В.А.Сидоров-Ивановский, M.Yu. Ivanov, D. Vrel, Dash Jh. B.»;
2. $arr = explode(‘,’, $authors);
3. $res = [];
4. foreach ($arr as $val) {
5.     if ($fio = process($val)) {
6.         $res[] = $fio;
7.     }
8. }
9. var_dump($res);
10.  
11. function process($str)
12. {
13.     $match = [];
14.     if (preg_match(‘/(w+.s*(w+.)?)/iu’, $str, $match)) {
15.         if (isset($match[1])) {
16.             return trim(str_replace($match[1], », $str)) . ‘ ‘ . str_replace(‘ ‘, », $match[1]);
17.         }
18.     }
19.     return false;
20. }

 

Спасибо.
Примерно в эту сторону я и думал, но незнание регулярок мешало грамотно реализовать. ))