Decapitalize menschlichen Namen (Bilanzierung von 'und -)

Question

Ich habe einen Vektor von (menschlichen) Namen bekam, alle in Großbuchstaben:

names <- c("FRIEDRICH SCHILLER", "FRANK O'HARA", "HANS-CHRISTIAN ANDERSEN") 

Um bisher zu decapitalize (die ersten Buchstaben nur Kapital), war ich mit

simpleDecap <- function(x) { 
    s <- strsplit(x, " ")[[1]] 
    paste0(substring(s, 1,1), tolower(substring(s, 2)), collapse=" ") 
    } 
sapply(names, simpleDecap, USE.NAMES=FALSE) 
# [1] "Friedrich Schiller"   "Frank O'hara"   "Hans-christian Andersen" 

Aber ich möchte auch berücksichtigen ' und -. Using s <- strsplit(x, " |\\'|\\-")[[1]] findet natürlich die richtigen Buchstaben, aber dann in den Kollaps ' und - gehen verloren. Daher habe ich versucht,

simpleDecap2 <- function(x) { 
    for (char in c(" ", "\\-", "\\'")){ 
    s <- strsplit(x, char)[[1]] 
    x <-paste0(substring(s, 1,1), tolower(substring(s, 2)), collapse=char) 
    } return x 
    } 

sapply (Namen, simpleDecap, USE.NAMES = FALSE)

aber das ist noch schlimmer, natürlich, da die Ergebnisse geteilt werden einer nach dem anderen:

sapply(names, simpleDecap2, USE.NAMES=FALSE) 
# [1] "Friedrich schiller"  "Frank o'Hara"   "Hans-christian andersen" 

Ich denke der richtige Ansatz teilt sich nach s <- strsplit(x, " |\\'|\\-")[[1]], aber das paste= ist das Problem.

Answer 1

Dies scheint zu funktionieren, mit Perl kompatible reguläre Ausdrücke:

gsub("\\b(\\w)([\\w]+)", "\\1\\L\\2", names, perl = TRUE) 

\L die folgende Match Gruppe Fall zu senken verwandelt.

Answer 2

Obwohl ich stimme zu, dass Perl regexp ist die bessere Lösung, aber die simpleDecap2 Ansatz ist nicht so weit weg von der Arbeit.

simpleDecap3 <- function(x) { 
    x <- tolower(x) 
    for (char in c(" ", "-", "'")){ 
     s <- strsplit(x, char)[[1]] 
     x <-paste0(toupper(substring(s, 1,1)), substring(s, 2), collapse=char) 
    } 
    x 
} 

Das heißt, drehen Sie den ganzen Namen in Kleinbuchstaben und dann den ersten Buchstaben nach „Kapital“, „-“ oder „'“. Nicht so gut aussehend wie die Regexp und höchstwahrscheinlich nicht so robust, aber es macht den Job mit nur kleinen Änderungen von Ihrem ursprünglichen Code erledigt.