Java 用于将德语地址拆分为多个部分的正则表达式

晚上好,

我正试图通过Java将德语地址字符串的各个部分拆分为不同的部分。有人知道正则表达式或库可以做到这一点吗？要按如下方式拆分它：

道路名称25a 88489测试站

到

Teststadt街25a街88489街名称

或

Teststr。388489贝斯皮洛特（格罗·克莱斯）

到

Teststr.| 3 | 88489 |贝斯皮洛特（Großer Kreis）

如果系统/正则表达式在邮政编码或城市等部分丢失的情况下仍能正常工作，那就太完美了

有没有任何正则表达式或库可以用来存档

编辑：德文地址规则：
街道：字符、数字和空格
门牌号：数字和任何字符（或空格），直到一系列数字（zip）（至少在这些示例中）
邮政编码：5位数

---

地点或城市：其余部分也可能带有空格、逗号或大括号。乍一看，似乎一个简单的空格就可以了，但是仔细看，我发现地址总是有4个部分，第一部分可以有空格

我会这样做（psudeocode）：

---

然而，这将只处理一种形式的地址。如果地址以多种方式书写，可能会更加棘手。

以下是我的建议，可以进一步微调，例如允许缺少部分

正则表达式模式：

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

• 第一组：街道
• 第二组：第二号住宅
• 第3组：拉链
• 第4组：城市

试试这个：

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

它为每个空格捕获组，这些空格分隔地址的4个部分中的1个部分

或

这一部分为每个地址部分提供了组：

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

我不懂java，所以不确定用于替换捕获的组的确切代码。

publicstaticvoidmain（String[]args）{
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");
                }

String data=“Name der Strase 25a 88489 Teststadt”；
字符串regexp=“（[a-zA-z]+）（[\\w]+）（\\d+）（[a-zA-z]+）”；
Pattern=Pattern.compile（regexp）；
Matcher Matcher=pattern.Matcher（数据）；
布尔matchFound=matcher.find（）；
如果（找到匹配项）{
//获取此比赛的所有组
对于（int i=0；i我会从后面开始，因为据我所知，城市名称不能包含数字（但可以包含空格（我找到的第一个示例：）。然后前面的五位数必须是邮政编码

前面的数字（可能后跟一个字母）是街道号码。请注意，这也可以是一个范围。
在此之前的任何名称都是街道名称

不管怎样，我们走吧：

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

这甚至可以正确解析诸如“Straße des 17.Juni 23-25 12345柏林手套”之类的神秘地址

请注意，这不适用于地址扩展（如“Gartenhaus”或“c/o…”）。我不知道如何处理这些。我相当怀疑是否有一个可行的正则表达式来表达所有这些

如您所见，这是一个非常复杂的正则表达式，包含许多捕获组。如果我在代码中使用这样的表达式，我将使用命名捕获（Java7支持它们）并使用
x
标志将表达式分解为更小的片段。不幸的是，Java不支持这一点。这是因为它有效地使复杂的正则表达式无法使用

不过，这里有一个更清晰的正则表达式：

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

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

在Java 7中，我们最接近的结果是（未经测试；可能包含拼写错误）：

字符串模式=
"^" +
“（？（？：\\p{L}| | \\d | \.\124;-）+？”+
“（？\\d+（？：？-？\\d+）*[a-zA-Z]？”+
“（？\\d{5}）”+
“（？（？：\\p{L}| |-）+”+
"(?: *\\((?[^\\)]+)\\))?" +
"$";
我遇到了一个类似的问题，并对此处提供的解决方案进行了一些调整，得出了这个解决方案，该解决方案同样有效，但（imo）更易于理解和扩展：

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

这里有一些

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)

在这之后，必须有邮政编码，这是唯一绝对必要的部分，因为它是唯一不变的部分。邮政编码之后的所有内容都被视为城市名称。
对于那些不熟悉德国地址的人，规则是什么？是“有空格但没有数字的东西”、“有数字但没有空格的东西”，“数字和无空格”，“无数字和无空格”？您不需要正则表达式。只需使用空格分隔符拆分字符串，然后使用bar
|
delimeter将其连接起来-但是Oli上面的评论也很相关，因为我假设德语地址与spaces@OliCharlesworth：编辑post@Robbie字体我不能用空格来划分，因为一个街道名称和一个城市/place也可以包含空格。不要认为这很容易。有很多街道名称中都有空格。此外，有些人写的是“25a”而不是“25a”。我通常会用“，”来分隔部分。你是从其他系统中以定义的格式获取地址吗？这个正则表达式被破坏了，因为街道名称可以包含空格以数字表示。例如（但不限于此），在指定名称之前，可以对街道进行编号，以便最终得到“Straße 42”。另一个例子是“Straße des 17.Juni”.OP没有提到街道名称中的数字。也许没有必要保留这些数字？@KonradRudolph你是对的。这是一种可能性，我完全忘记了。有没有一个“系统”可以用来定义德语地址是如何建立的？@KonradRudolph这个问题清楚地将街道部分定义为“街道：字符和空格直到一个数字”所以我的正则表达式没有被破坏。我只是回答了这个问题。如果，正如克里斯蒂安所证实的，这个问题是不正确的
/^([a-zäöüß\s\d.,-]+?)\s*([\d\s]+(?:\s?[-|+/]\s?\d+)?\s*[a-z]?)?\s*(\d{5})\s*(.+)?$/i

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