Java/Talend根据条件分解字符串并清理数据

我有一个原始数据字符串列表。每个字符串可能包含Talend 7中的公司名称+强调地址+城市+省份。它们被管柱中的一根管子隔开

总行数为200000

我想以一种有效的方式提取和分离公司名称。问题是这条管道以公司的名义不规则存在

以下是每个字符串可以具有的一些示例：

“Mackenzie Health | 10 Trench St.|里士满山L4C 4Z3”

“”

“健康与健康中心|多伦多大学|学院街214号，111室|多伦多M5T 2Z9”

“多伦多Walmer路400号125室M5P 2X7”

“患病儿童医院|重症监护医学部|多伦多大学大道555号2830室二楼中庭，M5G 1X8”

我正在考虑使用tJava或tJavaRow，并编写一些java代码，使用contains方法，我可以检查字符串是否包含以下单词之一：Avenue、Ave、Road、Rd、Street和，St。除非这些单词前面有空格

我的问题是：在找到哪个记录有街道地址后，我需要知道在街道地址之前是否存在管道，如果是，有多少管道？所以我可以将它们合并为公司名称

示例：

“Mackenzie Health | 10 Trench St.|里士满山L4C 4Z3”在街道地址10 Trench St.之前只有一条管道，因此公司名称为 麦肯齐健康

“健康与健康中心|多伦多大学|学院街214号，111室|多伦多M5T 2Z9”街道地址前有两条管道，因此公司名称为： 多伦多大学健康与健康中心 “Walmer路400号|套房125 |多伦多M5P 2X7”之前没有管道，因此没有任何名称

“患病儿童医院|重症监护医学部| 2楼中庭，2830室| 555号大学大道|多伦多M5G 1X8”前面有三个管道，但在子字符串中，前面有“房间”一词。因此，该公司的名称是病童医院重症监护医学部

---

欣赏任何想法和/或新的解决方案也

您可以在Talend例程中基于使用捕获组的模式匹配创建Java方法（可以在tMap Component或其他地方调用）

在您的案例中，您可以使用以下RegEx示例（似乎解决了给出的5个示例）：

此正则表达式按最后一次出现（从右起）进行分组：

我已经用计算机测试了正则表达式。第一组是您的公司名称，第二组是您的地址。可以在进一步处理中删除不需要的管道

此正则表达式按第一次出现（从左起）进行分组：

第2组和第4组现在有了数据

注意：所有积分都是Mo2s的，我刚刚将他的答案从评论中复制到这里，希望它对其他人有用

修复：正则表达式中的星号字符问题，与stackoverflow标记混淆

---

希望它能对你有用。如果需要更多帮助，请告诉我。

您可以在Talend例程中创建一个Java方法，该方法基于使用捕获组的模式匹配（可以在tMap Component或其他地方调用）

在您的案例中，您可以使用以下RegEx示例（似乎解决了给出的5个示例）：

此正则表达式按最后一次出现（从右起）进行分组：

我已经用计算机测试了正则表达式。第一组是您的公司名称，第二组是您的地址。可以在进一步处理中删除不需要的管道

此正则表达式按第一次出现（从左起）进行分组：

第2组和第4组现在有了数据

注意：所有积分都是Mo2s的，我刚刚将他的答案从评论中复制到这里，希望它对其他人有用

修复：正则表达式中的星号字符问题，与stackoverflow标记混淆

---

希望它能对你有用。如果需要更多帮助，请告诉我。

这是一个管道（|）分隔的字符串，用管道拆分每个字符串，形成一个对象模型/bean并填充数据。@Sambit您能解释更多吗？请注意，我使用的是Talend，因此我需要在tJavarow中编写尽可能简单的代码。例如，如果这是字符串“Mackenzie Health | 10 Trench St.| Richmond Hill ON L4C 4Z3”，则使用管道（|）将其拆分，并创建一个类，其中包含一些满足您需求的字段。类应该有getter和setter。拆分后，将数据填充到类中。这就是问题所在，Talend非常受限，不允许您在Talend组件中创建类。我通常使用的解决方案是在tMap中添加一个新字段，然后通过tFilter对管道进行计数。我不能在这里使用此解决方案，因为现在我有一个特殊条件，行数很高。这是一个管道（|）分隔的字符串，用管道拆分每个字符串，形成一个对象模型/bean并填充数据。@Sambit您能解释更多吗？请注意，我使用的是Talend，因此我需要在tJavarow中编写尽可能简单的代码。例如，如果这是字符串“Mackenzie Health | 10 Trench St.| Richmond Hill ON L4C 4Z3”，则使用管道（|）将其拆分，并创建一个类，其中包含一些满足您需求的字段。类应该有getter和setter。拆分后，将数据填充到类中。这就是问题所在，Talend非常受限，不允许您在Talend组件中创建类。我通常使用的解决方案是在tMap中添加一个新字段，然后通过tFilter对管道进行计数。我不能在这里使用这个解决方案，因为现在我有一个特殊的条件，行数很高谢谢@Mo2s我有两个问题：1-为了确保我正确理解这个（.\\）（（？I）。意味着我有带0或管道的字符串，是组1，其余的是组2.2-如果我想添加Ave

^(.*\|)*((?i).*(room|st.|street|road|avenue).*\|(?-i).*)$

^((((?!room|street|st.|road|avenue).)*\|)|)*((?i).*(room|street|st.|road|avenue).*\|(?-i).*)$.