用于从地址字符串捕获城市状态Zip的正则表达式

Question

我试图写一个只匹配地址的City，State和Zip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。

[\,].*

但是这只捕获了通过分隔城市和州的逗号的所有内容。

有没有办法在逗号之前捕捉字符串[City]，这也适用于City为2个单词的情况（即洛杉矶）。

任何帮助将不胜感激！提前谢谢。

Answer 1

此正则表达式分别捕获第1,2和3组中的城市，州和邮政编码：

#\d+ ([^,]+), ([A-Z]{2}) (\d{5})

请参阅live demo。

Answer 2

很难在Regex中捕获精确的状态，或者说它将是一个非常长的正则表达式。但是，我确实测试了它，这就是我想出来的

/([A-Z][a-z]+\s?)+,\s[A-Z]{2}\s\d{5}-?\d{4}?/

匹配此

Gfdsdf Gfdsf, CA 43534

以下是细分

() - 这会捕获随附的正则表达式

[A-Z] - 查找所有大写字母。

[a-z]+ - 后跟一个或多个小写字母

\s? - 后跟可选空格

+ - 这允许我们在城市名称中包含多个单词

,\s - 紧接着是逗号和空格

[A-Z]{2} - 州的ISO代码各有两个字母。显然，在这个简单的例子中，它将包括虚假状态，但正则表达式太长了。

\d{5} - 以五位数邮政编码结尾。

-?\d{4}? - 可选择匹配zip + 4格式。这不是必需的

Answer 3

鉴于你的语料库总是有套房/公寓号，你可以用：

$ 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，如果您的不规则数据不是像CSV那样定义良好的格式，那么您将遇到问题。例如，街道名称中包含两个或更多单词的地址，或者没有公寓号码的地址呢？

真正的解决方案是使用CSV等标准格式重新生成数据。如果你不能这样做，那么解析一致的数据（例如，有7个字段的行），然后眼球看好希望的小余数。

Answer 4

我确信有更好的方法可以做到这一点但你可以尝试使用它：

（\ d *）\ S +（（？：[\ W + \ S * - ]）+）[\，] \ S +（[A-ZA-Z] +）\ S +（[0-9A-ZA -Z] +）

第1组：Apt /门牌号

第2组：城市（可能有多个空格，下划线和破折号）

第3组：州/省代码

第4组：邮政编码（可由字母和数字组成）

这将符合以下所有情况： 3333 Josephine AVE＃114 Temecula，CA 99

11111 MERIT CIR＃113 Laguna Hills，CA 99999

11111 MERIT CIR＃113 ddwwqs Laguna Hills，CA 99999

11111 MERIT CIR＃113 sss ssss sss xs，CA 99999

11111 MERIT CIR＃113 hkjkhuhuh，CAdsdsd T3B2R1

11111 MERIT CIR＃113 dsadsa-ddasdas，CAdsdsd T2N21T

在此处查看演示：http://www.regexr.com/3cuds