用正则表达式清理公司名称

Question

我有一个数据集 (postgresql)，其中一个字段包含逗号分隔的公司名称。大多数公司名称由常规字符（字母数字 + 空格）组成，但也有一些带有后缀，例如“, inc”。或“有限公司”。为了将公司名称拆分为单独的字符串，我需要先删除用于表示公司名称后缀的逗号（这是外部要求）。所以，例如在

Burn To Ground、Groupwise, Ltd.、People, Inc.、SepiaShot

我的正则表达式应该能够删除第二个和第四个逗号，但不能删除其他逗号。我想知道这是否可以使用正则表达式来完成。我尝试了几种使用平衡组和环视的解决方案，但我无法成功。

Answer 1

Aelor 很接近，但使用了肯定而不是否定的断言，并且没有处理空间。 （实际上，根据评论，Aelor 回答了提出的具体问题；我正在展示如何通过在拆分时忽略逗号来完全避免删除逗号）。

还添加了来自corporateinformation.com 的公司名称后缀的完整列表。

regress=> SELECT regexp_split_to_table(
            'Burn To Ground, Groupwise, Ltd., People, Inc., SepiaShot', 
            '\,(?!\s(?:A\. en P\.|AB|AB|A\.C\.|ACE|AD|AE|AG|AG|AG|AL|AmbA|ANS|Apb|ApS|ApS & Co\. K/S|AS|A/S|A\.S\.|A\.S\.|A\.S\.|A\.S\.|ASA|AVV|Bpk|Bt|B\.V\.|B\.V\.|B\.V\.|BVBA|CA|Corp\.|C\.V\.|CVA|CVoA|DA|d/b/a|d\.d\.|d\.d\.|d\.n\.o\.|d\.o\.o\.|d\.o\.o\.|EE|EEG|EIRL|ELP|EOOD|EPE|EURL|e\.V\.|GbR|GCV|GesmbH|GIE|GmbH & Co\. KG|GmbH|GmbH|GmbH|HB|hf|IBC|Inc\.|Inc|I/S|j\.t\.d\.|KA/S|Kb|Kb|KD|k\.d\.|k\.d\.|KDA|k\.d\.d\.|Kft|KG|KG|KGaA|KK|Kkt|Kol\. SrK|Kom\. SrK|k\.s\.|K/S|KS|Kv|Ky|Lda|LDC|LLC|LLP|Ltd\.|Ltda|Ltée\.|N\.A\.|NT|NV|NV|NV|NV|OE|OHG|OHG|OOD|OÜ|Oy|OYJ|P/L|PC Ltd|PLC|PMA|PMDN|PrC|Prp\. Ltd\.|PT|Pty\.|RAS|Rt|S\. de R\.L\.|S\. en C\.|S\. en N\.C\.|S/A|SA|SA|SA|sa|SA|SA|SA|SA|SA|SA|SA|S\.A\.|SA de CV|SAFI|S\.A\.I\.C\.A\.|SApA|Sarl|Sarl|SAS|SC|SC|S\.C\.|SCA|SCA|SCP|SCS|S\.C\.S\.|SCS|Sdn Bhd|SENC|SGPS|SK|SNC|SNC|SNC|SNC|SOPARFI|sp|SpA|spol s\.r\.o\.|SPRL|Sp\. z\.o\.o\.|Srl|Srl|Srl|Srl|Srl|td|TLS|VEB|VOF|v\.o\.s\.)) ?',
            'i'
          );
 regexp_split_to_table 
-----------------------
 Burn To Ground
 Groupwise, Ltd.
 People, Inc.
 SepiaShot
(4 rows)

在 PostgreSQL 9.3 上测试。

也要考虑非美国公司的后缀，例如德国“GMBH”。我强烈建议您将替换结果视为可疑结果，并让人工验证它们是否正确。

Answer 2

你可以使用这个正则表达式：

\,(?=\s(?:Ltd|Inc))

我假设你只想删除这些词之前的逗号，如果你有更多的词，比如 corp.注册等等，您可以使用| 像这样将它们添加到正则表达式中

\,(?=\s(?:Ltd|Inc|Corp|Reg))

根据您的要求修改此正则表达式

这里是一个快速参考的演示：

http://regex101.com/r/rT5zB1

检查替换结果