如何编写正则表达式模式以从银行对帐单中的 AMT 提款交易中提取位置答案

【问题标题】：How to write a regex pattern to extract the location from AMT withdrawal Transactions in a bank statement如何编写正则表达式模式以从银行对帐单中的 AMT 提款交易中提取位置
【发布时间】：2021-01-28 05:30:04
【问题描述】：

我希望编写一个正则表达式模式来从 35 万条记录的数据的叙述字符串中提取地址或位置。

txn_add <- data.frame(NARRATION=c("$ $ $ +YBL PATAUDI CHOWK \ $",
                  "$ $ -ATM CASH 83181 + MAIN BHAWANA ROAD NEW DELHI $",
                  "$ $ [5839/P1TNDE06/+RAGHUBARPURA $",
                  "$ MAXIMUMOUTFITS PRIVATE LIMITED } $ ATDELHIIN- $ $ /5631 $",
                  "$ ATM CASH-N4077800-+SPRINGFIELDCOLONYFFAR IDABADHRIN-04/06/18 $ /5631 ( $ $ VERIFICATION $"))

我运行了以下正则表达式模式：

gsub(".*[:|+]([^.]+)[$|\\|\\/].*", "\\1", txn_add$NARRATION)

我得到的输出是：

[1] "YBL PATAUDI CHOWK  "                                                  
[2] " MAIN BHAWANA ROAD NEW DELHI "                                        
[3] "RAGHUBARPURA "                                                        
[4] "$ MAXIMUMOUTFITS PRIVATE LIMITED } $ ATDELHIIN- $ $ /5631 $"          
[5] "SPRINGFIELDCOLONYFFAR IDABADHRIN-04/06/18 $ /5631 ( $ $ VERIFICATION "

此输出不正确，因为我必须实现一些条件：地址可以从：

1. '+'
2. '@'
3. ' AT '
4. ':'
5. <P|S><SBI><P|S>              # EXACT TEXT PRECEEDED AND FOLLOWED BY PUNCTUATION OR SPACE
6. <NNN> FOLLOWED BY <P|S|A>    # 3 NUMBERS FOLLOWED BY EITHER PUNCTUATION OR SPACE OR ALPHA

并以 :

结尾

1. -
2. / 
3. $
4. \
5.<NNNNNNN>     # Combination of numbers

可以包含

Alphabets, numbers, dot (.), dash (-),space ( ), coma(,),underscore (_) brackets(()) at (@), hash (#) and(&) semi colon (;)

这是从交易中提取地址，期望的输出将是：

[1] "YBL PATAUDI CHOWK"                                                  
[2] "MAIN BHAWANA ROAD NEW DELHI "                                        
[3] "RAGHUBARPURA "                                                        
[4] "DELHIIN"          
[5] "SPRINGFIELDCOLONYFFAR IDABADHRIN"

我无法获得所需的输出。接下来我可以尝试什么？

【问题讨论】：

标签： r regex pattern-matching

【解决方案1】：

您可以使用捕获组

(?:[+@:]|\bAT(?!M))\s*([A-Z]+(?:\s+[A-Z]+)*)

说明

(?:非捕获组
- [+@:] 匹配+ @ : 之一
- |或者
- \bAT(?!M) 匹配 AT 后不跟 M
)关闭群
\s* 匹配 0+ 个空白字符
( 捕获第 1 组
- [A-Z]+(?:\s+[A-Z]+)* 匹配字符 A-Z，其间有 1+ 个空白字符
)关闭第一组

查看regex demo

与分组前后的所有子匹配：

sub(".*(?:[+@:]|\\bAT(?!M))\\s*([A-Z]+(?:\\s+[A-Z]+)*).*", "\\1", txn_add$NARRATION, perl=TRUE)

【讨论】：

谢谢先生，这在某些情况下运行良好，但它无法处理某些情况，例如：“$ USHAHIGHWAYFILLINGSFARIDABADIN-23/08 /18 $ /5631 (Ref# $ VERIFICATION $ "，为此所需的输出是 "USHAHIGHWAYFILLINGSFARIDABADIN"
@PiyushSharma 像这样试试.*?(?|(?:[+@:]| AT(?!M\b))\s*([A-Z]+(?:\s+[A-Z]+)*)|\b([A-Z]+(?:\s+[A-Z]+)*)-\d).* 见ideone.com/fKlnyN