Question

我有一系列来自美国运通卡的交易描述字符串，我将使用PHP的preg_split()来解析;

[
  "THE DISNEY STORE #90DANBURY             CT",
  "CHRISTMAS TREE SHOPSDANBURY             CT",
  "BATH & BODY WORKS 07DANBURY             CT",
  "CITGO DODGINGTOWN GANEWTOWN             CT",
  "DUNKIN #344944 Q35 3MONROE              CT",
  "DUNKIN #344944 Q35 3MONROE              CT",
  "DUNKIN #344944 Q35 3MONROE              CT",
  "DUNKIN #344944 Q35 3MONROE              CT",
  "AT&T RECURR BILL PAYDALLAS              TX",
  "SHELL OIL 5754389960NEWTOWN             CT",
  "POSTAGE REFILL      STAMFORD            CT",
  "SHELL OIL 5754389960NEWTOWN             CT",
  "ONLINE PAYMENT - THANK YOU",
  "SHELL OIL 5754389960NEWTOWN             CT",
  "AOL SERVICE         800-827-6364        VA",
  "SHELL OIL 5754389960NEWTOWN             CT",
  "EBAY INC. 0000      866-779-3229        CA",
  "WWW.ITUNES.COM/BILL CUPERTINO           CA",
  "THE HOME DEPOT      TRUMBULL            CT",
  "THE HOME DEPOT      TRUMBULL            CT",
  "AMEX GIFT CARDS     866-268-0582        NY",
  "APPLE ONLINE STORE  CUPERTINO           CA",
  "APPLE ONLINE STORE  CUPERTINO           CA",
  "AMAZON MKTPLACE PMTSAMZN.COM/BILL       WA",
  "THE HOME DEPOT      BRIDGEPORT          CT",
  "AT&T RECURR BILL PAYDALLAS              TX",
  "SHELL OIL 5754389960NEWTOWN             CT",
  "AT&T RECURR BILL PAYDALLAS              TX",
  "SHELL OIL 5754389960NEWTOWN             CT",
  "WALGREENS           NEWTOWN             CT",
  "THE HOME DEPOT      TRUMBULL            CT",
  "ONLINE PAYMENT - THANK YOU",
  "AOL SERVICE         800-827-6364        VA"
]

我尝试做的是从描述字符串解析供应商城市和州。此数据采用CSV格式上传到PHP脚本。使用在线工具regexr.com我已经能够使用这个表达式接近：

([A-Z&0-9 ./#\*\-]{0,19})\w

我能够推断出最多20个字符的描述，除了支付的情况，然后文本运行。城市以20个字符的限制开始，在某些情况下允许包含空格。状态为2个字符，前面有空格。

预期结果：

CHRISTMAS TREE SHOPSDANBURY             CT

Parse to

供应商： CHRISTMAS TREE SHOPS 城市： DANBURY 州： CT

付款;

ONLINE PAYMENT - THANK YOU

保持不变。

边缘情况;

AOL SERVICE         800-827-6364        VA

会解析

供应商： AOL SERVICE 明细： 800-827-6364 州： VA

（标签用于清晰度）

实际结果：

如果您查看我保存的结果https://regexr.com/3j39m，您会发现ONLINE PAYMENT - THANK YOU和AOL SERVICE 800-827-6364 VA等行未按预期进行解析。

我怎样才能将表达式改进为：

解析供应商/说明中的前20个或更少字符。
处理缺少3个预期部分的付款说明。
处理供应商已将其他信息替换为可能超过20个字符限制的预期城市位置的情况。

Answer 1

您可以使用正则表达式来分割固定宽度的字符串，如下所示：

<?php

$re = '/(?<Store>.{20})(?<City>.{20})(?<State>.{2})/m';
$str = 'THE DISNEY STORE #90DANBURY             CT';

preg_match_all($re, $str, $matches, PREG_SET_ORDER, 0);

foreach( $matches as $match ){
    echo $match[1]."\t=>\t".$match[2]."\t=>\t".$match[3]."\n";
}

Demo

您可以使用substr()实现相同目标。

Answer 2

在我看来，好像列表是制表符分隔的，所以这应该可以解决问题：/\t([A-Za-z ]+)\t+[A-Za-z]{2}$/

解释

\t匹配标签
([A-Za-z ]+)匹配一串字符和空格，表示城镇名称
\t+匹配一个或多个标签（看起来可能在您的数据集中不止一个）
[A-Za-z]{2}匹配2个字符，表示州名缩写
$字符串结尾

使用正则表达式拆分AMEX事务详细信息字符串

预期结果：

实际结果：

我怎样才能将表达式改进为：

2 个答案: