时间戳

首页 > 解决方案 > 用于识别英国邮政编码的 R 正则表达式

r - 用于识别英国邮政编码的 R 正则表达式

问题描述

我的问题与此类似，但我正在寻找R特定的东西。我有一个包含数万个地址的data.frame，需要提取邮政编码。邮政编码位于英国，格式为 {LETTER_LETTER_DIGIT LETTER_LETTER_DIGIT}。类似于以下内容：

"8, Longbow Close,\r\nHarlescott Lane,\r\nShrewsbury,\r\nEngland,\r\nSY1 3GZ"

我使用了此代码的变体stringr但无济于事：

str_extract('^(\\[Gg]\\[Ii]\\[Rr] 0\\[Aa]{2})|(((\\[A-Za-z]\\[0-9]{1,2})|((\\ 
[A-Za-z]\\[A-Ha-hJ-Yj-y]\\[0-9]{1,2})|((\\[AZa-z]\\[0-9]\\[A-Za-z])|(\\[A-Za- 
z]\\[A-Ha-hJ-Yj-y]\\[0-9]?\\[A-Za-z]))))\\[0-9]\\[A-Za-z]{2})$',alfa$Address)

标签： rregexpostal-code

解决方案

和^锚点$要求模式匹配整个字符串。您可以包装模式以\b(?:<pattern>)\b将这些代码匹配为整个单词（\b是单词边界）。此外，字符类被“破坏”，因为您转义了它们的[起始括号（\[匹配文字[字符）。另外，交换参数，第一个是输入，第二个是正则表达式。此外，要获得所有匹配项，您需要使用str_extract_all而不是str_extract.

您可以像这样修复代码：

library(stringr)
txt <- "8, Longbow Close,\r\nHarlescott Lane,\r\nShrewsbury,\r\nEngland,\r\nSY1 3GZ"
pattern <- "\\b(?:([Gg][Ii][Rr] 0[Aa]{2})|((([A-Za-z][0-9]{1,2})|(([A-Za-z][A-Ha-hJ-Yj-y][0-9]{1,2})|(([A-Za-z][0-9][A-Za-z])|([A-Za-z][A-Ha-hJ-Yj-y][0-9]?[A-Za-z]))))\\s?[0-9][A-Za-z]{2}))\\b"
str_extract_all(txt, pattern)
# => [[1]]
#   [1] "SY1 3GZ"

推荐阅读