正则表达式：解析街道名称/号码

Question

C#/.NET 2.0

我需要解析一个包含街道名称和门牌号的字符串，并将它们分别存储在两个不同的值中。

in: "Streetname 1a"         out:  "streetname"  "1a"
    "Street name 1a"              "street name" "1a"
    "Street name 1 a"             "street name" "1 a"

我的第一选择是在找到“ ”字符的位置拆分字符串，但这对于第二种情况不起作用。

result[0] = trimmedInput.Substring(0, splitPosition).Trim();
result[1] = trimmedInput.Substring(splitPosition + 1).Trim();

如何最好地做到这一点？我可以使用正则表达式吗？

谢谢

- thedev

---

数据存储在哪里？你不能以其首选格式不同地持久化它吗？ - Grant Thomas

Answer 1

^(.+)\s(\S+)$应该可以解决问题。

编辑：如果房屋号码中不能有空格，则此方法可以正常运行。否则，由于程序永远不会知道字符串标记的语义，因此无法以编程方式解决此问题。

房屋地址往往混乱不一致。我曾经处理过地址数据，老实说，如果你没有将数据规范化，那么基本上就做不了什么。

^(.+)\s(\d+(\s*[^\d\s]+)*)$可以覆盖一些更多的场景，但是像这样的模式是一个棘手的问题。

- Dyppl

---

@thedev：我认为我的最后一次编辑将通过所有3个测试，但它将不可避免地在一些你此刻甚至想不到的其他测试中失败。 - Dyppl

最后一次编辑通过了这三个测试...它还输出一个值，这些情况下始终为"a"，我们可以删除第三个值吗？ - thedev

@thedev：你是什么意思？我想你需要Groups[1]和Groups[2]。 - Dyppl

我也会得到最后一个正则表达式的Groups[3]。 - thedev

是的，我知道，但你总会得到它。只需使用你需要的那些。 - Dyppl

Answer 2

正如Dyppl所说，街道地址很凌乱。但是，如果您的地址数据代表美国地址，并且您有完整的地址（包括城市、州和/或邮政编码），您可以使用地址验证服务来解析（并验证！）和标准化这些组件。我在SmartyStreets工作，这是一个地址验证提供商。以下是我之前写的一个快速的C#示例，调用我们的LiveAddress API：

https://github.com/smartystreets/LiveAddressSamples/blob/master/c-sharp/street-address.cs

这是该示例的结果输出（请注意，街道名称和主要号码在“组件”部分中解析）：

[
    {
        "input_index": 0,
        "candidate_index": 0,
        "delivery_line_1": "3214 N University Ave",
        "last_line": "Provo UT 84604-4405",
        "delivery_point_barcode": "846044405140",
        "components": {
            "primary_number": "3214",
            "street_predirection": "N",
            "street_name": "University",
            "street_suffix": "Ave",
            "city_name": "Provo",
            "state_abbreviation": "UT",
            "zipcode": "84604",
            "plus4_code": "4405",
            "delivery_point": "14",
            "delivery_point_check_digit": "0"
        },
        "metadata": {
            "record_type": "S",
            "county_fips": "49049",
            "county_name": "Utah",
            "carrier_route": "C016",
            "congressional_district": "03",
            "latitude": 40.27586,
            "longitude": -111.6576,
            "precision": "Zip9"
        },
        "analysis": {
            "dpv_match_code": "Y",
            "dpv_footnotes": "AABBR1",
            "dpv_cmra": "Y",
            "dpv_vacant": "N",
            "ews_match": false
        }
    }
]

这是一个解释所有字段的链接。

http://wiki.smartystreets.com/liveaddress_api_users_guide#json-responses

编辑：包括纬度/经度字段（新发布）。

- Michael Whatcott

---

目前只支持USPS地址。请查看www.worldaddresses.com或www.strikeiron.com以获取国际地址处理服务。 - Michael Whatcott

你可以尝试使用正则表达式，但是除非你能从地址标准化服务中获得一个标准化的地址对象，否则很难保证正确性。 - Dave Baghdanov

Answer 3

您需要更清晰地定义您正在寻找的模式，假设有一个模式存在。必须有一些常见的观察结果:

• 街道地址由名称和数字组成。
• 名称总是出现在数字之前。
• 名称由一个或多个单词组成，用空格分隔。
• 数字是一个数字，后面跟着一个可选字母。

从评论中可以看出，最后一点并不严格正确，因为街道号码的数字和字母部分可以由空格分隔。

如果您无法保证街道名称和数字的顺序，并且街道名称中的单词不包含数字，则我真的不确定任何东西能够帮助您。

以下正则表达式应该涵盖大多数情况:

Regex reggie = new Regex(@"^(?<name>\w[\s\w]+?)\s*(?<num>\d+\s*[a-z]?)$", RegexOptions.IgnoreCase)

- Quick Joe Smith

---

使用\w是一个不好的主意。一些法国街道，如“Rue d'Alembert”将无法匹配等。 - Dyppl

然后你还需要考虑‘（’）’。 - Quick Joe Smith

Answer 4

这里假设你所有的“地址”都至少以上述方式之一进行格式化。

string address = "Streetname 1a"

string street = Regex.Replace(address, "^[^0-9]+", "");

string number = address.Replace(street, "");

然后修剪两个值。

- Craigt

---

有趣，如果我们能够排除数字，这可能有效。考虑到街道名称不包含任何数字。 - thedev

我已经更新了正则表达式，可能会起作用（即排除数字）:) - Craigt

你知道有些街道的名称中包含数字，对吧？比如在纽约。 - Dyppl

是的，我明白这一点 :) 这就是为什么我说“这是假设你所有的“地址”都至少按照上述方式之一进行格式化。”此外，我认为每个人都意识到，鉴于地址可能有数百种不同的格式，这个问题是无法解决的。我只是提供了一个简单的解决方案，以防万一 OP 只需要涵盖他提供的示例格式。 - Craigt

@Craigt：好的，我没有恶意。 - Dyppl

@Dyppl - 没问题 :) ... @thedev ... 我已经更新了正则表达式，现在应该可以工作了吧？ - Craigt

Answer 5

首先，您应该尝试使用 String.LastIndexOf() 在可能的位置进行拆分以查找数字。

然后，您应该检查此最后一组中是否有任何字符包含任何数字，例如 splittedValue.Any(c => Char.IsDigit(c));。因此，如果在此最后一组中找到任何数字，则可以相当确定您已正确拆分，但是可能存在不符合此行为的地址。

更新

如果您确实有这样的嘈杂数据需要规范化，我认为您不能做得比 @Dyppl 更好，并使用一些复杂的正则表达式，这些正则表达式必须通过示例进行演变，否则无法正常工作。

- Oliver

---

输入字符串的另一个可能性是："街道名称1 a"，在这种情况下，我也会得到错误的输出。 - thedev