我正在尝试编写一个仅匹配地址的城市、州和邮编部分的正则表达式语句。以下是我正在使用的地址的一些示例。
3333 Josephine AVE #114 Temecula, CA 99999
11111 MERIT CIR #113 Laguna Hills, CA 99999
我目前有以下模式。
[\,].*
但这仅捕获通过逗号分隔城市和州的所有内容。
有没有办法在逗号前捕获字符串 [City]，这也适用于 City 是 2 个单词的情况（例如 Los Angeles）。
任何帮助将不胜感激！提前致谢。
【问题讨论】：
标签： regex
【讨论】：
很难在正则表达式中捕获确切的状态，或者说它会是一个非常长的正则表达式。但是，我确实对其进行了测试，这就是我想出的
/([A-Z][a-z]+\s?)+,\s[A-Z]{2}\s\d{5}-?\d{4}?/
它符合这个
Gfdsdf Gfdsf, CA 43534
下面是详细介绍
() - 捕获包含的正则表达式
[A-Z]- 查找所有大写字母。
[a-z]+ - 后跟一个或多个小写字母
\s? - 后跟一个可选空格
+ - 这允许我们在城市名称中包含多个单词
,\s - 后面紧跟一个逗号和一个空格
[A-Z]{2} - 各州的 ISO 代码是两个字母。显然，在这个简单的示例中，它会包含虚假状态，但否则正则表达式会太长。
\d{5} - 以五位数的邮政编码结尾。
-?\d{4}? - 可选地匹配 zip+4 格式。不需要
【讨论】：
12345-6789。并不是您的解决方案是错误的，而是 OP 的语料库确实有限，不能代表真实世界的数据。整个事情都是一个 X/Y 问题。
只考虑你的语料库，它总是有一个套房/公寓号码，你可以这样做：
$ echo '3333 Josephine AVE #114 Temecula, CA 99999
11111 MERIT CIR #113 Laguna Hills, CA 99999' |
pcregrep -o '#\d+ \K.*'
Temecula, CA 99999
Laguna Hills, CA 99999
但是，如果您有不规则的数据，并且不是像 CSV 这样定义明确的格式，您就会遇到问题。例如，街道名称中有两个或多个单词的地址，或者没有公寓号码的地址呢？
真正的解决方案是使用 CSV 等标准化格式重新生成数据。如果您不能这样做，则只解析符合要求的数据（例如，具有 7 个字段的行），然后关注希望很小的剩余部分。
【讨论】：
我相信有更好的方法可以做到这一点，但你可以尝试使用这个：
第一组：Apt/门牌号
第 2 组：城市（可以有多个空格、下划线和破折号）
第 3 组：州/省代码
第 4 组：邮政编码（可以由字母和数字组成）
这将匹配以下所有情况： 约瑟芬大道 3333 号 #114 特曼库拉，加利福尼亚州 99
11111 MERIT CIR #113 Laguna Hills, CA 99999
11111 MERIT CIR #113 ddwwqs 拉古纳山，CA 99999
11111 MERIT CIR #113 sss ssss sss xs, CA 99999
11111 MERIT CIR #113 hkjkhuhuh, CAdsdsd T3B2R1
11111 优点 CIR #113 dsadsa-ddasdas , CAdsdsd T2N21T
在此处查看演示：http://www.regexr.com/3cuds
【讨论】：