正则表达式 - 公司名称

Question

我有一个纯文本，需要提取公司名称。这是一份巨大的文件，包括公司名称，财务报告和大量文本。这些公司名称示例：

• 大洗衣，a。
• AVERA，s.r.o。
• Airoflot Airlines，a.s。

甚至可以像这样制作正则表达式吗？我是正则表达式的初学者，并且不知道如何创建这个。谢谢你的帮助。

文字示例：

`AVERA有很多竞争对手，s.r.o。主要是Airflot Airlines，a .s.和大洗衣店，s.r.o。这些组织占据了市场的主要份额。 另一家公司：

一个。大公司，a.s。

湾较小的公司，s.r.o。

℃。巨大的公司，a.s。

Answer 1

目前的问题是，不可能为公司名称创建正则表达式。

如果你能够创建一个PATTERN，那将是可能的。

手段，例如公司名称总是：

• 以大写字母
开头
• 有一个逗号
逗号之后
• 总是有一个“a.s.”或“s.r.o。”

所以，我在这里看到的困难是：

• 逗号前有多少个词属于这个名字？
• 是否总有逗号以下缩写？

名称总是难以匹配，因为名称几乎可以是所有内容，尤其是公司名称。

Answer 2

您提供的示例遵循以下模式：([A-Z][A-Za-z]+ ?)+, (\w\.)+

匹配操作取决于您使用的工具。

例如在JavaScript中：

var line = "some name is Airoflot Airlines, a.s. in this line";
var m = line.match(/([A-Z][A-Za-z]+ ?)+, (\w\.)+/);
if (m.length) console.log(m[0]);

记录

"Airoflot Airlines, a.s."

但这不是一个非常可靠的解决方案：许多真实的公司名称不适合，更重要的是，这可能与不是公司名称的句子匹配。因此，这只能用作解决方案的帮助，该解决方案还包含某种验证（基于人工或词典）。

Answer 3

我用这个

(?:\s*[a-zA-Z0-9,_\.\077\0100\*\+\&\#\'\~\;\-\!\@\;]{2,}\s*)*

它匹配所有a-z，A-Z，0-9和Quickbook支持的一些特殊字符。 https://community.intuit.com/articles/1146006-acceptable-characters-in-the-company-name-in-quickbooks-online

Answer 4

根据您给出的示例，此正则表达式将匹配

Big laundry, a\.s\.|AVERA, s\.r\.o\.|Airoflot Airlines, a\.s\.

诀窍是使用交替运算符|在一组字符串上

您可能希望考虑在公司名称中缺少标点符号和空格