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它的各个部分。有人知道正则表达式或库可以做到这一点吗？按如下方式拆分：
Name der Straße 25a 88489 Teststadt
至Name der Straße|25a|88489|Teststadt
或
Teststr. 3 88489 Beispielort (Großer Kreis)
至Teststr.|3|88489|Beispielort (Großer Kreis)
如果缺少邮政编码或城市等部分，那么system/regex仍然可以工作，那将是完美的。
有没有任何regex或库可以用来存档？
编辑：德语地址规则：
街道：字符、数字和空格
House no:数字和任何字符（或空格），直到一系列数字（zip）（至少在这些例子中是这样）
邮编：5位
地点或城市：其余的可能也有空格、逗号或大括号
我遇到了一个类似的问题，并对这里提供的解决方案进行了一点调整，得出了这个解决方案，它也有效，但（imo）更易于理解和扩展：
/^([a-zäöüßsd.,-]+?)s*([ds]+(?:s?[-|+/]s?d+)?s*[a-z]?)?s*(d{5})s*(.+)?$/i
以下是一些匹配示例。
它还可以处理丢失的街道编号，并且可以通过向字符类添加特殊字符来轻松扩展。
[a-zäöüßsd,.-]+? # Street name (lazy)
[ds]+(?:s?[-|+/]s?d+)?s*[a-z]?)? # Street number (optional)
在那之后，必须有邮政编码，这是唯一绝对必要的部分，因为它是唯一不变的部分。邮政编码后的所有内容都被视为城市名称。
我会从后面开始，因为据我所知，城市名称不能包含数字（但它可以包含空格（我发现的第一个例子："Weil der Stadt"）。然后，在此之前的五位数字必须是邮政编码。
在此之前的数字（可能后跟一个字母）是街道编号。请注意，这也可以是范围。在此之前的任何东西都是街道名称。
不管怎样，我们开始了：
^((?:p{L}| |d|.|-)+?) (d+(?: ?- ?d+)? *[a-zA-Z]?) (d{5}) ((?:p{L}| |-)+)(?: *(([^)]+)))?$
这甚至可以正确解析诸如"Straßedes 17"之类的晦涩地址。Juni 23-25 a 12345 Berlin Mitte"。
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。我很怀疑是否有一个可行的正则表达式来表达这一切。
正如您所看到的，这是一个非常复杂的正则表达式，包含许多捕获组如果我会在代码中使用这样的表达式，我会使用命名捕获（Java7支持它们），并使用x标志将表达式分解成更小的小块。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>[^)]+)))?
$
在Java7中，我们能实现的最接近的是（未经测试；可能包含拼写错误）：
String pattern =
"^" +
"(?<street>(?:\p{L}| |\d|\.|-)+?) " +
"(?<number>\d+(?: ?- ?\d+)? *[a-zA-Z]?) " +
"(?<zip>\d{5}) " +
"(?<city>(?:\p{L}| |-)+)" +
"(?: *\((?<suffix>[^\)]+)\))?" +
"$";
这是我的建议，可以进一步微调，例如允许丢失零件。
Regex模式：
^([^0-9]+) ([0-9]+.*?) ([0-9]{5}) (.*)$
- 第1组：街道
- 第2组：门牌号
- 第3组：ZIP
- 第4组：城市
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");
}
我想它不适用于德语元音变音符，但你可以自己解决这个问题。不管怎样，这是一个很好的启动。
我建议你访问这个网站，这是一个关于正则表达式的好网站。祝你好运
乍一看，一个简单的空格就可以了，但仔细看，我注意到地址总是有4个部分，第一部分可以有空格。
我想做的是这样的事情（伪代码）：
address[4] = empty
split[?] = address_string.split(" ")
address[3] = split[last]
address[2] = split[last - 1]
address[1] = split[last - 2]
address[0] = join split[first] through split[last - 3] with whitespace, trim trailing whitespace with trim()
然而，这将只处理一种形式的地址。如果地址是用多种方式写的，可能会更加棘手。
试试这个：
^[^d]+[dw]+(s)d+(s).*$
它为每个分隔地址的4个部分中的1个的空间捕获组
或
这个为每个地址部分提供分组：
^([^d]+)([dw]+)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。