Можно ли как то определить фамилию или имя определенными правилами?

Question

[Павел Быков]

Всем привет, у клиента есть база с ФИО, но вот беда, некоторые ФИО не совпадают с полями таблицы, то-есть где указано firstname, записана фамилия, а где lastname, может быть записано как и имя, так и имя и отчество одновременно, и я все думаю, есть ли в русском языке правила, которые можно было бы перенести в код, что бы определять что это слово является именем, или фамилией?

Еще сложность добавляет то, что ФИО могут быть не только русские, но и ФИО людей из других стран...

Answer 1

[Илья]

Посмотри сервис dadata, у них вроде есть нормализация какая-то

Comments

[Павел Быков]

Может быть есть аналог сервиса который будет бесплатен?

[Zolg]

Павел Быков, до каких-то объемов dadata бесплатна.

[Павел Быков]

Zolg, А увидел, точно, в целом у нас там совсем чу чуть выходит за 1000 записей, так что думаю это уже не проблема, спасибо)

[Zolg]

Павел Быков, к тому же никто не мешает растянуть нормализацию на несколько дней.
У нас так и получилось в свое время: к моменту согласования и оплаты бухгалтерией счета за подписку нормализация базы адресов была уже завершена )

Answer 2

[Adamos]

https://github.com/seagullua/NameCaseLib - умеет в том числе и определять предполагаемые части ФИО

Answer 3

[Владимир Коротенко]

берете список русских имен, добавляете нужные национальные.
Тоже самое с фамилиями.

По именам получается 300-400
По фамилиям я думаю 10 000 - 20 000

Делаете сугрессор на вводе, плюс то что будут отсекаться опечатки сразу.
Если форма не прошла хоть одно поле выводите сообщение мол точно уверены?

Дальше по существующим контактам.

У меня было такое код разбивал строчку по пробелам, и выводил первое и последнее значение.
В некоторых случаях получалось неправильно.
Пример John Deere MD.
Я просто из базы в 2 миллиона выдернул приставки, отбросив нормальные имена.
Получилось порядка 200 записей, все эти 200 записей были описаны 12 правилами реплайса.

Answer 4

[d-sem]

Еще сложность добавляет то, что ФИО могут быть не только русские, но и ФИО людей из других стран...

Даже в рамках имен типичных для РФ могут возникать пограничные кейсы которые усложняют распознавание имен.

Любой результат в итоге придется сверять руками. Что настоятельно советую.

Из того что видел за пару лет работы с ФИО:
1) Только имя у человека;
2) 4ре имени у человека (учитывая что они еще и длинные то вообще ужас для любых документов, обрусевшиеся лютеране);
3) Совпадении имени и фамилии (балканские народы);
4) Использование сокращенных имен в паспорте (Сережа, Дима);
5) Дилемма между тем что есть отчество а что есть имя у тюркских народов;
6) Цифры в имени;
7) Ошибки в именах (Владимер).

А вообще хорошая заметка по проблемам имени https://habr.com/en/post/146901/