Question

晚上好，

我正试图通过Java将德国地址字符串的各个部分拆分成它的部分。有没有人知道正则表达式或图书馆这样做？要将其分割如下：

Name der Straße 25a 88489 Teststadt
到
Name der Straße|25a|88489|Teststadt

或

Teststr. 3 88489 Beispielort (Großer Kreis)
到
Teststr.|3|88489|Beispielort (Großer Kreis)

如果系统/正则表达式仍然有效，如果邮政编码或城市等部分缺失，那将是完美的。

有没有我可以存档的正则表达式或库？

编辑：德国地址规则：
街道：人物，数字和空间
房屋号码：数字和任何字符（或空格），直到一系列数字（zip）（至少在这些例子中）
邮编：5位数
地方或城市：其余的也可能有空格，逗号或大括号

Answer 1

我遇到了类似的问题，并稍微调整了这里提供的解决方案，并找到了这个解决方案，它也有效，但（imo）有点简单易懂和扩展：

/^([a-zäöüß\s\d.,-]+?)\s*([\d\s]+(?:\s?[-|+/]\s?\d+)?\s*[a-z]?)?\s*(\d{5})\s*(.+)?$/i

以下是一些example matches。

它还可以处理丢失的街道号码，并且可以通过向字符类添加特殊字符来轻松扩展。

[a-zäöüß\s\d,.-]+?                         # Street name (lazy)
[\d\s]+(?:\s?[-|+/]\s?\d+)?\s*[a-z]?)?     # Street number (optional)

之后，必须有邮政编码，这是绝对必要的唯一部分，因为它是唯一不变的部分。邮政编码后的所有内容都被视为城市名称。

Answer 2

我从后面开始，因为据我所知，城市名称不能包含数字（但可以包含空格（我发现的第一个例子：“{{3}然后在那之前的五位数字必须是邮政编码。

之前的数字（可能后跟一个字母）是街道号码。请注意，这也可以是范围。之前的任何事情都是街道名称。

无论如何，我们走了：

^((?:\p{L}| |\d|\.|-)+?) (\d+(?: ?- ?\d+)? *[a-zA-Z]?) (\d{5}) ((?:\p{L}| |-)+)(?: *\(([^\)]+)\))?$

这正确地解析了神秘的地址，例如“Straßedes17. Juni 23-25 a 12345 Berlin-Mitte”。

请注意，这不适用于地址扩展（例如“Gartenhaus”或“c / o ...”）。我不知道如何处理这些。我很怀疑有一个可行的正则表达式来表达这一切。

正如您所看到的，这是一个非常复杂的正则表达式，包含许多捕获组。如果我会在代码中使用这样的表达式，我会使用命名捕获（Java 7支持它们）并使用x标志将表达式分解为更小的元素。不幸的是，Java不支持这一点。这个s * cks因为它有效地使复杂的正则表达式无法使用。

不过，这是一个更易读的正则表达式：

^
(?<street>(?:\p{L}|\ |\d|\.|-)+?)\ 
(?<number>\d+(?:\ ?-\ ?\d+)?\ *[a-zA-Z]?)\ 
(?<zip>\d{5})\ 
(?<city>(?:\p{L}|\ |-)+)
(?:\ *\((?<suffix>[^\)]+)\))?
$

在Java 7中，我们可以实现的最接近的是（未经测试;可能包含拼写错误）：

String pattern =
    "^" +
    "(?<street>(?:\\p{L}| |\\d|\\.|-)+?) " +
    "(?<number>\\d+(?: ?- ?\\d+)? *[a-zA-Z]?) " +
    "(?<zip>\\d{5}) " +
    "(?<city>(?:\\p{L}| |-)+)" +
    "(?: *\\((?<suffix>[^\\)]+)\\))?" +
    "$";

Answer 3

这是我的建议，可以进一步微调，例如：允许缺少部分。

正则表达式：

^([^0-9]+) ([0-9]+.*?) ([0-9]{5}) (.*)$

第1组：街道
第2组：众议院编号
第3组：ZIP
第4组：城市

Answer 4

public static void main(String[] args) {
    String data = "Name der Strase 25a 88489 Teststadt";
    String regexp = "([ a-zA-z]+) ([\\w]+) (\\d+) ([a-zA-Z]+)";

    Pattern pattern = Pattern.compile(regexp);
    Matcher matcher = pattern.matcher(data);
    boolean matchFound = matcher.find();

    if (matchFound) {
        // Get all groups for this match
        for (int i=0; i<=matcher.groupCount(); i++) {
            String groupStr = matcher.group(i);
            System.out.println(groupStr);
        }
    }System.out.println("nothing found");
                }

我想这对德语变音符号不起作用，但你可以自己解决这个问题。无论如何，这是一个很好的创业公司。

我建议访问this这是一个关于正则表达式的精彩网站。祝你好运！

Answer 5

乍一看它看起来像一个简单的空白就行了，但仔细观察我注意到地址总是有4个部分，第一个部分可以有空格。

我会做的是这样的事情（psudeocode）：

address[4] = empty
split[?] = address_string.split(" ")
address[3] = split[last]
address[2] = split[last - 1]
address[1] = split[last - 2]
address[0] = join split[first] through split[last - 3] with whitespace, trim trailing whitespace with trim()

但是，这只会处理一种形式的地址。如果地址以多种方式编写，则可能会更加棘手。

Answer 6

试试这个：

^[^\d]+[\d\w]+(\s)\d+(\s).*$

它捕获每个空格的组，这些空格分隔地址的4个部分中的1个

OR

这个给出了每个地址部分的组：

^([^\d]+)([\d\w]+)\s(\d+)\s(.*)$

我不懂java，所以不确定用于替换捕获组的确切代码。

用于将德语地址拆分为其部分的正则表达式

6 个答案: