正则表达式组不适用于多个地址答案

【问题标题】：regex group isn't working for multiple addressses正则表达式组不适用于多个地址
【发布时间】：2019-07-05 15:06:40
【问题描述】：

我的正则表达式有问题。我必须读取包含联系人数据的文件并将其导入数据库。该行具有标准格式，我能够读取所有行，提取联系人姓名、街道/房屋编号、邮政编码和城市。我的问题是门牌号码可以是数字，也可以是“7/9”。

因为我的正则表达式只需要数字，所以第二个替代方案的导入由于斜线而不起作用。另一个问题是当城市名称由两部分组成时，城市也可以有斜线。

String addressPattern = "^" 
                      + "(?<street>(?:\\p{L}| |\\d|\\.|-)+?) "
                      + "(?<number>\\d+(?: ?- \\// ?\\d+)? *[a-zA-Z]?) "
                      + "(?<zip>\\d{5}) "
                      + "(?<city>(?:\\p{L}| |-)+)"
                      + "(?: *\\((?<suffix>[^\\)]+)\\))?" + "$";

正则表达式：^(?<street>(?:\p{L}| |\d|\.|-)+?) (?<number>\d+(?: ?- ?\d+)? *[a-zA-Z]?) (?<zip>\d{5}) (?<city>(?:\p{L}| |-)+)(?: *$(?<suffix>[^$]+)\))?$

这里是地址部分。

First Street 32 78224 firstCity
Second Street 7/9 73430 secondCity
Third Street 32 78224 third/City
Fourth Street 9/7 73430 fourth/city

第一个和第三个例子都可以。我可以读取数据。但是第二个和第四个返回空字符串。

有人可以帮助我吗？

【问题讨论】：

你能分享所有4（或5）部分的规格吗？
正则表达式是否适合您的任务？地址可能包含诸如Harlow House 或Suite 1234 之类的附录，街道编号可能带有诸如69a 之类的后缀，可能根本没有街道名称（例如12 99999 Backwater）；在德国曼海姆市，市中心没有街道名称，但街区由一种坐标代码引用（例如Q3 12345 city。好吧，这太极端了......）。这些“常见”格式的异常值会破坏你的代码，但除非你有很好的测试覆盖率，否则很难事先发现（更不用说支持它们会不成比例地破坏你的正则表达式）

标签： java regex regex-group

【解决方案1】：

我会看到一个更简单的正则表达式：^(?<street>\D*)\s(?<number>[\d\/]+)\s(?<zip>\d{5})\s(?<city>.*)$

street 是数字以外的任何东西
number 是数字/斜线
zip 是 5 位数字
city 是其余的

这很好地匹配您的 4 个字符串：regex demo

【讨论】：

street 模式对于像82nd Street 这样的短语会动摇，即。街道名称中的 hi 序数。
@collapsar 对，我只是遵循 OP 的要求，他关心的似乎是“街道编号 zip 城市”，他应该给出确切的规范
是的，他应该，是的，这只是一个小细节，但我怀疑 OP 不会想到。

【解决方案2】：

您可以使用可选组：

^(?<street>[\pL\pN.]+(?:\h+[\pL\pN.]+)*)\h+(?<number>\d+(?:/\d+)?)\h+(?<zip>\d{5})\h+(?<city>\pL+)(?<suffix>/\pL+)?$

关于模式

^ 字符串开始
(?<street>
- [\pL\pN.]+ 匹配 1 次以上列出的任何一项
- (?:非捕获组
  - \h+[\pL\pN.]+ 匹配 1 次以上列出的任何一项
- )*关闭非捕获组并重复0+次
)\h+关闭街道组，匹配1+水平空白字符
(?<number>
- \d+(?:/\d+)? 匹配 1+ 个数字和可选的 / 数字部分
)\h+关闭数字组，匹配1+水平空白字符
(?<zip>
- \d{5} 匹配 5 位数字
)\h+ 关闭 zip 组，匹配 1+ 个水平空白字符
`(?\pL+) 匹配城市
(?<suffix>/\pL+)?匹配可选后缀
$字符串结束

Regex demo | Java demo

在 Java 中

String regex = "^(?<street>[\\pL\\pN.]+(?:\\h+[\\pL\\pN.]+)*)\\h+(?<number>\\d+(?:/\\d+)?)\\h+(?<zip>\\d{5})\\h+(?<city>\\pL+)(?<suffix>/\\pL+)?$";

【讨论】：