Regex для проверки итальянских имен из текста Java

Question

Так что я хочу проверить итальянские имена. Это могут быть что-то вроде Анджело Ореста Адрисано, Ферруччо Реста, Антонио Де Фальчи, Тамара Дона, Джанфранко Д'Анжело или Клелия Д'Онофрио. Может кто-нибудь, пожалуйста, помогите мне. Мой подход такой: [A-Z] [a-z] {1,13} [A-Z] [a-z] {1,13} ([A-Z] [a-z] {1,13})?

Он работает с такими именами, как Анджело Оресте Адрисано и так далее, но я хочу также включить такие имена, как Клелия Д'Онофрио и Тамара Дона.

Вопрос НЕ о NER (распознавание именованных сущностей)! Другими словами, для меня приемлемо, например, "Scuola Di Nasia", которое не является настоящим именем ...

Answer 1

Regex - немного слепой инструмент. Это действительно не понимает контекст. Для регулярного выражения [a-zA-Z] * все они действительны:

• Нью-Йорк
• корги
• Метательное
• яйцо
• Быстро

Это невероятно простое регулярное выражение, но обратите внимание, что оно вообще не различает имена, существительные, глаголы и прилагательные.

Если вы не жестко запрограммируете в строках действительное имя (по человеческим определениям), насколько я знаю, все регулярные выражения просто подберут любой набор символов, который соответствует тому, что вы написали. В этот момент вы можете сами составить список действительных имен.

Ваше регулярное выражение, как оно написано, будет соответствовать любой последовательности из двух-трех слов, каждое из которых начинается с заглавной буквы от A-Z, за которой следуют до тринадцати строчных букв от a-z. Только это описание не исключает такие вещи, как «Adfnwj Jsdako Mvdso», и, насколько мне известно, регулярное выражение не может сделать это просто.