Question

我想使用正则表达式提取文本的一部分。例如，我有一个地址，想要只返回数字和街道，并排除其余部分：

2222 Main at King Edward Vancouver BC CA

但地址大部分时间都有不同的格式。我尝试使用Lookbehind Regex并推出了这个表达式：

.*?(?=\w* \w* \w{2}$)

上面的表达式很好地处理了上面的例子，但是一旦逗号进入文本就会变得太乱，邮政编码可以是6个字符的字符串，或者两个3个字符的字符串，中间有空格等等。 ..

除了后视正则表达式之外，还有更优雅的方法来提取文本的一部分吗？

非常感谢任何建议或在另一个方向上的观点。

谢谢！

Answer 1

正则表达式适用于REGULAR的数据，它遵循模式。因此，如果您的数据完全是随机的，不，那么使用正则表达式就没有优雅的方法。

另一方面，如果你知道你想要什么值，你可以写一些简单的正则表达式，然后在每个字符串上测试它们。

实施例。 regex1 =地址＃grabber，regex2 =街道类型抓取器，regex3 =名称抓取器。

尝试使用regex1，regex2和最后的regex3匹配string1。转到下一个字符串。

Answer 2

好吧，我把我的帽子扔进戒指：

.*(?=,? ([a-zA-Z]+,?\s){3}([\d-]*\s)?)

您可能希望前面有^或\d+以获得良好的衡量标准而且我没有费心去指定邮政编码的长度......只是这个字符串中的任意数量的字符。

到目前为止，它适用于这些输入以及城市/州/国家/地区内的昏迷变体：

2222 Main at Edward Edward Vancouver，BC，CA，333-333

555路和街道CA US 95000

2222 Main at Edward Edward Vancouver BC CA 333

555路和街道地点CA US

它指的是城市，州和国家最后有三个字，但除此之外，就像ryansstack说的那样，如果它是随机的，它将无法工作。如果这个城市像纽约这样的两个词就行不通。是的...正则表达式不适合这个。

btw：在regexhero.net上测试

Answer 3

我可以想到两种方法可以做到这一点

1）如果您知道地址之后的数据的“其余”正好是2个字段，即BC和CA，则可以使用空格作为分隔符对字符串进行拆分，删除最后2个项目。

2）对分隔符/ [A-Z] [A-Z] /进行拆分并将结果存储在数组中。然后打印出数组（假设地址不包含2个或更多大写字母）