正则表达式从字符串中提取不一致的邮政编码

Posted 2023-02-23

【中文标题】正则表达式从字符串中提取不一致的邮政编码

【英文标题】：Regex to extract inconsistent postal codes from string

【发布时间】：2018-10-05 02:13:58

【问题描述】：

使用here 发布的解决方案，我希望从 Excel 中的不规则数据列表中提取邮政编码。

以下是我的数据的示例：

加拿大布兰普顿 L6P 2G9

M5B2R3 多伦多开

加拿大多伦多 M5J 0A6

M1H1T7 加拿大

加拿大多伦多 M4P1T8

MISSISUAGABRAMPTON L5M6S6 加拿大

333 Sea Ray Inisfil l4e2y6 加拿大

要调用函数，我使用以下公式

=RegexExtract(A1,"^(?!.*[DFIOQU])[A-VXY][0-9][A-Z] ?[0-9][A-Z][0-9]$")

但是该功能对我不起作用。我想我需要以某种方式调整我的正则表达式，但我不知道我错过了什么。

【问题讨论】：

IIR，VBA 的正则表达式风格不支持负前瞻断言，您还需要使用链接函数删除锚点。您是要验证邮政编码，还是只是提取它们？

我正在尝试从文本中的任何位置提取它们

【参考方案1】：

google-spreadsheet

试试，

=REGEXEXTRACT(upper(A2), "[A-X]\d[A-Z] ?\d[A-Z]\d")
'alternate
=left(REGEXEXTRACT(upper(A2), "[A-X]\d[A-Z] ?\d[A-Z]\d"), 3)&" "&right(REGEXEXTRACT(upper(A2), "[A-X]\d[A-Z] ?\d[A-Z]\d"), 3)

【讨论】：

这看起来是一个很好的解决方案，但我认为它不适用于 Microsoft Excel

excel 没有 RegexExtract 函数，所以我想我会包含一个 google-spreadsheet 标记。该模式确实是您正在寻找的。​​span>

那里的答案很好。+

【参考方案2】：

您有 2 个问题。

---

首先，表达式 - 如果您需要提取邮政编码，您不能使用 ^ 和 $ 锚定您的正则表达式。第一个表示“匹配必须出现在字符串的开头”，第二个表示“匹配必须出现在字符串的末尾”。这仅在您验证邮政编码时有用，但它显然不能用于从您的示例中提取邮政编码，因为它们都包含除了邮政编码之外的内容。 正则表达式的另一个问题是否定的前瞻断言(?!.*[DFIOQU])，这意味着“没有匹配可以包含字母 D、F、I、O、Q 或 U”。据我所知，VBScript 正则表达式不支持此功能。如果我弄错了，请在 cmets 中纠正我。

这给了你更迂腐的表达：

[ABCEGHJKLMNPRSTVX]\d[ABCEGHJKLMNPRSTVWXYZ][ -]?\d[ABCEGHJKLMNPRSTVWXYZ]\d

我冒昧地允许在 FSA 和 LDU 之间使用-，因为我看到了很多很多，尤其是来自非加拿大人。

---

其次，您正在调用的函数（从链接的答案复制如下）：

Function RegexExtract(ByVal text As String, _
                      ByVal extract_what As String, _
                      Optional separator As String = ", ") As String

Dim allMatches As Object
Dim RE As Object
Set RE = CreateObject("vbscript.regexp")
Dim i As Long, j As Long
Dim result As String

RE.pattern = extract_what
RE.Global = True
Set allMatches = RE.Execute(text)

For i = 0 To allMatches.count - 1
    For j = 0 To allMatches.Item(i).submatches.count - 1
        result = result & (separator & allMatches.Item(i).submatches.Item(j))
    Next
Next

If Len(result) <> 0 Then
    result = Right$(result, Len(result) - Len(separator))
End If

RegexExtract = result

End Function

第一个问题是它区分大小写。它还专门用于提取您不关心的子匹配 - 您的示例正在寻找单个匹配。

我会选择这个更简单的选项，它也可以正确格式化输出：

Public Function ExtractCanadianPostalCode(inputText As String) As String
    With CreateObject("vbscript.regexp")
        .Pattern = "[ABCEGHJKLMNPRSTVX]\d[ABCEGHJKLMNPRSTVWXYZ][ -]?\d[ABCEGHJKLMNPRSTVWXYZ]\d"
        .IgnoreCase = True
        If .Test(inputText) Then
            Dim matches As Object
            Set matches = .Execute(inputText)
            ExtractCanadianPostalCode = UCase$(Left$(matches(0), 3) & " " & Right$(matches(0), 3))
        End If
    End With
End Function

【讨论】：

"[A-X]\d[A-Z] ?\d[A-Z]\d" 虽然我实际上从未在加拿大邮政编码中看到连字符，但我想世界上有足够多的美国人包含这种可能性。

@Jeeped TBH，如果它们不需要是有效代码，我可能会使用 "[A-Z](\d|O)[A-Z][ -]?(\d|O) [A-Z](\d|O)”。使用“O”表示零是另一个真正常见错误。

是的，我已经看到 OCR 将零转换为哦。这是一个非常有效的观点。

感谢两位的建议。这些解决方案非常适合我。

另外，一个很棒的答案。 +