无法从 doc 文件中提取（美国）邮政编码答案

【问题标题】：Unable to extract (US) Zipcode from doc file无法从 doc 文件中提取（美国）邮政编码
【发布时间】：2016-06-16 09:52:30
【问题描述】：

我需要从 Resume.doc 文件中获取邮政编码。但没有成功,,,

它使用静态字符串，我的意思是它验证静态字符串但无法解析 doc 文件中的邮政编码，

我正在分享我的代码...

   protected void zipcodeGetter()
    {
        var path = "C:\\Users\\Jatinder\\Desktop\\LUCENE\\Resume\\Jeffrey.doc";
        Document doc = new Document();
        string html = File.ReadAllText(path);

        using (StreamReader sr = new StreamReader(path, System.Text.Encoding.Default))
        {
            html = sr.ReadToEnd();
        }

        const string MatchPhondePattern = @"^\d{5}(?:[-\s]\d{4})?$";
        Regex rx = new Regex(MatchPhondePattern, RegexOptions.Compiled | RegexOptions.IgnorePatternWhitespace);
        MatchCollection matches = rx.Matches(html);
        // Report the number of matches found.
        int noOfMatches = matches.Count;
        //Do something with the matches
        foreach (Match match in matches)
        {
            //Do something with the matches
            string tempPhoneNumber = match.Value.ToString(); ;

        }
    }

谁能帮我解决这个问题

【问题讨论】：

标签： asp.net doc zipcode

【解决方案1】：

您的代码无法使用该正则表达式。

这个问题很复杂，您最好的选择是使用提供此服务的公司的服务。他们将拥有一个强大的系统。

这是来自an article on regex and addresses的引用：

我们从程序员那里收到了很多关于解析地址的问题。我们看到很多人试图对街道地址使用正则表达式，作为地址用户体验专家，每当另一个程序员落入这个陷阱时，我们都会畏缩不前。我们希望这些信息能为您省去一些麻烦，如果您的搜索是徒劳的，请随时向我们询问有关地址的任何问题。 ...

您应该使用正则表达式来解析街道地址吗？简短的回答是，“可能不会。”由于地址内容和格式存在很大差异，地址不是“常规的”——这是使用正则表达式处理信息不可或缺的因素。

现在，关于正则表达式的一些注释和提示。

我使用 RegExr 制作了您使用的 example of the regular expression。如您所见，没有突出显示的区域，这意味着您的正则表达式将不起作用。

如果只想匹配五个连续的数字，正则表达式为：[0-9]{5}。这里是an example。

您不能只使用^ 和$，因为例如，邮政编码之前或之后可能有一个空格或句点，而您的代码中的^ 和$ 将意味着您'正在寻找行的开头和结尾。

但是，没有任何其他限定符的问题是您也会匹配长数字。换句话说，对于像1234567890 这样的字符串，您将匹配[0-9]{5}，因为该字符串中有五个连续的数字。

很难在匹配之前或之后用可能的标点符号或空格来限定正则表达式，因为如果匹配位于行首或行尾怎么办？它will miss some。

这是一个可能对您有用的正则表达式。它似乎在很多情况下都有效。可以看example here，有更多解释。

(?<=\W|^)\d{5}(-?\d{4})?(?=\W|$)

（完全披露：我在 SmartyStreets 工作，我们有 an API 可以做到这一点。如果您有兴趣，请查看 API docs。）

【讨论】：