Question

我的任务是标准化一些地址信息。为实现这一目标，我将地址字符串分解为粒度值（我们的地址架构非常类似于Google's format）。

到目前为止的进展：
我正在使用PHP，目前我正在打破Bldg，Suite，Room＃等信息在我遇到 Floors 之前，一切都很顺利在大多数情况下，楼层信息表示为“Floor 10”或“Floor 86”。尼斯＆amp;容易。
对于那一点，我可以简单地打破字符串上的字符串（“room”，“floor”等等。）

问题：
但后来我在测试数据集中发现了一些东西。在某些情况下，地板的表示更像是“2nd Floor” 这让我意识到我需要为FLOOR信息准备一整个 slew 变体。
有一些选项，如“3rd Floor”，“22nd floor”和“1ST FLOOR”。那么如何拼出诸如“Twelfth Floor”之类的变体呢？人！！这很快就会变得一团糟。

我的目标：
我希望有人知道某个库或已经解决了这个问题的东西。
但实际上，对于如何优雅地处理按照这些不同标准划分字符串的一些好的建议/指导，我会更多而不满意（注意避免误报，例如 “第三街”）。

Answer 1

首先，您需要详细列出所有可能的输入格式并确定您想要的深度。如果您将拼写的变体视为无效大小写，则可以应用简单的正则表达式来捕获数字并检测令牌（房间，楼层......）

Answer 2

我首先要阅读PHP中的正则表达式。例如：

$floorarray = preg_split("/\sfloor\s/i", $floorstring)

其他有用的功能包括preg_grep，preg_match等

编辑：添加了更完整的解决方案。

此解决方案将描述楼层的字符串作为输入。它可以是各种格式，例如：

102楼
楼层一百二十
一楼一二
一百二楼
102楼
102ND FLOOR
etc

在我查看示例输入文件之前，我只是在你的帖子中猜测这是足够的。

<?php

$errorLog = 'error-log.txt'; // a file to catalog bad entries with bad floors

// These are a few example inputs
$addressArray = array('Fifty-second Floor', 'somefloor', '54th floor', '52qd floor',
  'forty forty second floor', 'five nineteen hundredth floor', 'floor fifty-sixth second ninth');

foreach ($addressArray as $id => $address) {
  $floor = parseFloor($id, $address);
  if ( empty($floor) ) {
    error_log('Entry '.$id.' is invalid: '.$address."\n", 3, $errorLog);
  } else {
    echo 'Entry '.$id.' is on floor '.$floor."\n";
  }
}

function parseFloor($id, $address)
{
  $floorString = implode(preg_split('/(^|\s)floor($|\s)/i', $address));

  if ( preg_match('/(^|^\s)(\d+)(st|nd|rd|th)*($|\s$)/i', $floorString, $matchArray) ) {
    // floorString contained a valid numerical floor
    $floor = $matchArray[2];
  } elseif ( ($floor = word2num($floorString)) != FALSE ) { // note assignment op not comparison
    // floorString contained a valid english ordinal for a floor
    ; // No need to do anything
  } else {
     // floorString did not contain a properly formed floor
    $floor = FALSE;
  }
  return $floor;
}

function word2num( $inputString )
{
  $cards = array('zero',
    'one',    'two',    'three',    'four',     'five',    'six',     'seven',     'eight',    'nine',     'ten',
    'eleven', 'twelve', 'thirteen', 'fourteen', 'fifteen', 'sixteen', 'seventeen', 'eighteen', 'nineteen', 'twenty');
  $cards[30] = 'thirty';  $cards[40] = 'forty';  $cards[50] = 'fifty'; $cards[60] = 'sixty';
  $cards[70] = 'seventy'; $cards[80] = 'eighty'; $cards[90] = 'ninety'; $cards[100] = 'hundred';
  $ords  = array('zeroth',
    'first',    'second',  'third',      'fourth',     'fifth',     'sixth',     'seventh',     'eighth',     'ninth',      'tenth',
    'eleventh', 'twelfth', 'thirteenth', 'fourteenth', 'fifteenth', 'sixteenth', 'seventeenth', 'eighteenth', 'nineteenth', 'twentieth');
  $ords[30] = 'thirtieth';  $ords[40] = 'fortieth';  $ords[50] = 'fiftieth';  $ords[60] =  'sixtieth';
  $ords[70] = 'seventieth'; $ords[80] = 'eightieth'; $ords[90] = 'ninetieth'; $ords[100] = 'hundredth';

  // break the string at any whitespace, dash, comma, or the word 'and'
  $words = preg_split( '/([\s-,](?!and\s)|\sand\s)/i', $inputString );

  $sum = 0;
  foreach ($words as $word) {
    $word = strtolower($word);
    $value = array_search($word, $ords); // try the ordinal words
    if (!$value) { $value = array_search($word, $cards); } // try the cardinal words
    if (!$value) {
      // if temp is still false, it's not a known number word, fail and exit
      return FALSE;
    }
    if ($value == 100) { $sum *= 100; }
    else { $sum += $value; }
  }

  return $sum;
}
?>

在一般情况下，将单词解析为数字并不容易。我能找到的讨论这个问题的最佳主题是here。它并不像将数字转换成单词的反问题那么容易。我的解决方案仅适用于数字<2000，并且它可以自由地解释结构不良的结构，而不是抛出错误。此外，它根本不能抵御拼写错误。例如：

四十四秒= 82
五十九分之一= 2400
第五十六第二第九名= 67

如果你有很多输入并且大部分输入都很好，那么拼写错误的抛出错误并不是什么大问题，因为你可以手动纠正问题条目的简短列表。然而，根据您的应用程序，默认接受错误的输入可能是一个真正的问题。在决定是否值得使转换代码更加健壮时，需要考虑一些事情。

在Sequential-Number字符串上分割地址字符串（第2，第8，第3，第1等）

2 个答案: