Vim：解析来自全球各地的地址字段

Question

简介

这篇文章很长，但我认为它很详尽。我希望这篇文章对其他人在教授复杂的 VIM 正则表达式时有所帮助（地址）。谢谢您的宝贵时间。

全球地址：

美国、加拿大和其他一些国家/地区在表单上提供了 5 个字段，然后以逗号分隔的格式显示，我需要进一步剖析。理想情况下，以逗号分隔的内容如下所示：

一些非常好的地方，111 街，美丽的小镇，州或省，邮编

其中 zip 可以是一系列数字（美国）或数字和字母（加拿大）。

人们总是会在文本框字段输入中添加额外的逗号，这会增加解析此数据的复杂性。例如：

一些非常好的地方，111 街，101 号套房，美丽的小镇，州或省，邮编

让此解析变得更加复杂的是，来自非美国和非加拿大国家的数据包含一个额外的逗号分隔字段，该字段以某种方式提供给他们 - 添加一个他们进入自己国家的地方。 （不，他们的条目没有“美国”或“加拿大”字段。因此，它是原始 5 个逗号分隔字段的“补充”。）例如：

建筑物的外文名称、街道名称、城市、邮政编码、国家/地区

“,,”通常为空，因为非美国国家/地区不会划分为州。是的，与上面描述的相同的“附加逗号”也发生在这里。

建筑物外文名称、十字路口、区、A街道名称、A城市、邮编、国家

解析策略：

国家名称永远不会包含数字，而美国或加拿大的邮政编码始终包含至少一些数字。如果您向后使用关于最后一个字段的内容的假设，那么您应该能够将国家/地区、邮政编码、州（如果不为空“,,”）、城市和街道放入其尊重位置 - 这是最重要的领域得到正确的。这些部分之外的任何内容都可以集中在第一行或两行中作为地址描述（即建筑物、名称、套房、十字路口等）。例如：

一些非常好的地方，111 街，101 号套房，美丽的小镇，可爱的州，数字和字母

1. 最后一部分有一个数字（因此是美国或加拿大的地址）
2. 总共有 6 个部分，所以比原来的 5 个多了
3. 一个第 5-2 部分是邮政编码、州、城镇、地址...
4. 6 减 5（原始）= 添加额外的地址 (Address2) 字段并将第一部分保留为标题，结果是：

标题：一些非常好的地方，地址 1：111 街，地址 2：101 套房，城镇：美丽的城镇，州/省：可爱的州，邮政编码：数字和字母，

而“111 街”或“101 套房”的位置可能存在差异“（地址 1 或地址 2），它至少将邮政编码、州、城市和地址集中在一起，并将第一部分保留为用于数据输入目的的电子邮件地址的“标题”。

在这种方法下，外部地址被解析为：

建筑物外文名称、十字路口、区、A街道名称、A 城市、邮政编码、国家/地区

1. 最后一部分没有数字，所以它必须是一个 Country
2. 这意味着，从右向左移动，第二部分是 zip
3. 所以现在（国外）你有一个“原始 6 个部分”要从总数中减去示例中的 7 个
4. 部分第 7 部分 = 国家/地区，第 6 部分 = 邮政编码，第 5 部分 = 州（国外地址上大部分为空白），第 4 部分 = 城市，第 3 部分 = 地址 1，第 2 部分 = 地址 2，第 1 部分 = 标题
5. 我们知道使用两个地址字段，因为该示例有 7 个部分，而外部地址有 6 个部分的基础。基址之上的任意数量的部分都被添加到第二个地址2字段中。如果基本节计数以上有 3 个节，则它们将附加到地址2 字段内的每个节中。

编码

在使用 VIM 的这种方法中，我最初如何读取逗号分隔部分的数量（在捕获寄存器中的整个地址之后）？如何对一系列以逗号分隔的部分进行子匹配，而我不确定其存在的部分数量？

示例地址

如果您愿意提供帮助，这里有一些练习地址（美国和外国）：

City Gas &电力 - Bldg 4, 222 Middle Park Ct, CP4120F, Dallas, Texas, 44984

MHG Engineering, Inc. Suite 200, 9899 Balboa Ave, San Diego, California, 92123-1502

SolarWind Turbines, 2nd Floor Conference Room, 2300 Ruffin Road, Seattle ，华盛顿，84444

123 航空， 2239 Industry Parkway, Salt Lake City, Utah, 55344

Ongwanda Gov't Resources, 6000 Portsmouth Avenue, Ottawa, Ontario, K7M 8A6

Graylang Seray Center, 6600 Haig Rd, Singapore, , 437848, 新加坡

Lot 459, Block 14, Jalan Sultan Tengah , 佩特拉再也, 古晋, , 93050, Malaysia

Virtual Steel, 1 Umgazi Rd Aspec Park, Pretoria, , 0075, 南非

Idiom Towers South, Fifth Floor, Jasmen Conference Room, 1500 Freedom Street, Pretoria, , 0002, 南非

Answer 1

以下代码是草稿质量的 Vim 脚本（希望）实现了
问题中描述的地址解析例程。

function! ParseAddress(line)
    let r = split(a:line, ',\s*', 1)
    let hadcountry = r[-1] !~ '\d'
    let a = {}
    let a.country = hadcountry ? r[-1] : ''
    let r = r[:-1-hadcountry]
    let a.zip = r[-1]
    let a.state = r[-2]
    let a.city = r[-3]
    let a.header = r[0]
    let nleft = len(r) - 4
    if hadcountry
        let a.address1 = r[-4]
        let a.address2 = join(r[1:nleft-1], ', ')
    else
        let a.address1 = r[1]
        let a.address2 = join(r[2:nleft], ', ')
    endif
    return a
endfunction

function! FormatAddress(a)
    let t = map([
    \   ['Header', 'header'],
    \   ['Address 1', 'address1'],
    \   ['Address 2', 'address2'],
    \   ['Town', 'city'],
    \   ['State/Province', 'state'],
    \   ['Country', 'country'],
    \   ['Zip', 'zip']],
    \   'has_key(a:a, v:val[1]) && !empty(a:a[v:val[1]])' .
    \       '? v:val[0] . ": " . a:a[v:val[1]] : ""')
    return join(filter(t, '!empty(v:val)'), '; ')
endfunction

下面的命令可用于测试上述解析例程。

:g/\w/call setline(line('.'), FormatAddress(ParseAddress(getline('.'))))

（可以为 :global 命令提供一个范围，以通过更少的次数运行它
测试地址线的数量。）

Answer 2

也许您应该回顾一下有关世界各地地址的其他一些问题。美国和加拿大的制度非常系统化；大多数其他国家对批准的格式不太严格。您为美国和加拿大设计的任何内容几乎在您处理其他地址时都会遇到问题。

• 在数据库中存储邮政地址的最佳实践
• <一href="https://stackoverflow.com/questions/929684/is-there-common-street-addresses-database-design-for-all-addresses-of-the-world">是否有通用的街道地址数据库设计对于世界上的所有地址
• 如何您会在英国地址中使用许多地址字段
• ISO 标准街道地址

有可能还有其他相关问题：请参阅标签 street-address 了解其中一些问题。