[英]Splitting address strings on Sequential-Number strings (2nd, 8th, 3rd, first, etc..)
我的任务是标准化一些地址信息。 为了实现该目标,我将地址字符串分解为细微的值(我们的地址架构与Google的格式 非常相似)。
到目前为止的进展:
我正在使用PHP,目前正在发布Bldg,Suite,Room#等信息。
一切顺利,直到我遇到地板 。
在大多数情况下,楼层信息表示为“ Floor 10”或“ Floor 86” 。 尼斯和容易。
对于那一点,我可以简单地将字符串打断成字符串( “ room” , “ floor”等)。
问题:
但是后来我注意到我的测试数据集中有一些东西。 在某些情况下,代表楼层的方式更像是“ 2nd Floor” 。
这使我意识到,我需要为地面信息变化的整体转换做准备。
有诸如“ 3rd Floor” , “ 22nd floor”和“ 1ST FLOOR”之类的选项 。 那么,如何拼写出诸如“第十二层”这样的变体呢?
男人!! 这很快就会变得一团糟。
我的目标:
我希望有人知道图书馆或已经解决了这个问题的东西。
在现实中,虽然,我会更乐意有一些很好的建议/在一个人如何可以很好地处理拆分这种不同的标准(照顾,以避免误报,如“第三街”)的字符串指导。
首先,您需要详尽列出所有可能的输入格式,并确定要深入的内容。 如果您认为拼写出的变体为无效情况,则可以应用简单的正则表达式来捕获数字并检测标记(房间,地板...)
我将从阅读PHP的正则表达式开始。 例如:
$floorarray = preg_split("/\sfloor\s/i", $floorstring)
其他有用的功能是preg_grep
, preg_match
等
编辑:添加了更完整的解决方案。
该解决方案将描述地板的字符串作为输入。 它可以具有多种格式,例如:
在查看示例输入文件之前,我只是从您的帖子中猜测这已经足够了。
<?php
$errorLog = 'error-log.txt'; // a file to catalog bad entries with bad floors
// These are a few example inputs
$addressArray = array('Fifty-second Floor', 'somefloor', '54th floor', '52qd floor',
'forty forty second floor', 'five nineteen hundredth floor', 'floor fifty-sixth second ninth');
foreach ($addressArray as $id => $address) {
$floor = parseFloor($id, $address);
if ( empty($floor) ) {
error_log('Entry '.$id.' is invalid: '.$address."\n", 3, $errorLog);
} else {
echo 'Entry '.$id.' is on floor '.$floor."\n";
}
}
function parseFloor($id, $address)
{
$floorString = implode(preg_split('/(^|\s)floor($|\s)/i', $address));
if ( preg_match('/(^|^\s)(\d+)(st|nd|rd|th)*($|\s$)/i', $floorString, $matchArray) ) {
// floorString contained a valid numerical floor
$floor = $matchArray[2];
} elseif ( ($floor = word2num($floorString)) != FALSE ) { // note assignment op not comparison
// floorString contained a valid english ordinal for a floor
; // No need to do anything
} else {
// floorString did not contain a properly formed floor
$floor = FALSE;
}
return $floor;
}
function word2num( $inputString )
{
$cards = array('zero',
'one', 'two', 'three', 'four', 'five', 'six', 'seven', 'eight', 'nine', 'ten',
'eleven', 'twelve', 'thirteen', 'fourteen', 'fifteen', 'sixteen', 'seventeen', 'eighteen', 'nineteen', 'twenty');
$cards[30] = 'thirty'; $cards[40] = 'forty'; $cards[50] = 'fifty'; $cards[60] = 'sixty';
$cards[70] = 'seventy'; $cards[80] = 'eighty'; $cards[90] = 'ninety'; $cards[100] = 'hundred';
$ords = array('zeroth',
'first', 'second', 'third', 'fourth', 'fifth', 'sixth', 'seventh', 'eighth', 'ninth', 'tenth',
'eleventh', 'twelfth', 'thirteenth', 'fourteenth', 'fifteenth', 'sixteenth', 'seventeenth', 'eighteenth', 'nineteenth', 'twentieth');
$ords[30] = 'thirtieth'; $ords[40] = 'fortieth'; $ords[50] = 'fiftieth'; $ords[60] = 'sixtieth';
$ords[70] = 'seventieth'; $ords[80] = 'eightieth'; $ords[90] = 'ninetieth'; $ords[100] = 'hundredth';
// break the string at any whitespace, dash, comma, or the word 'and'
$words = preg_split( '/([\s-,](?!and\s)|\sand\s)/i', $inputString );
$sum = 0;
foreach ($words as $word) {
$word = strtolower($word);
$value = array_search($word, $ords); // try the ordinal words
if (!$value) { $value = array_search($word, $cards); } // try the cardinal words
if (!$value) {
// if temp is still false, it's not a known number word, fail and exit
return FALSE;
}
if ($value == 100) { $sum *= 100; }
else { $sum += $value; }
}
return $sum;
}
?>
在一般情况下,将单词解析为数字并不容易。 我可以找到讨论此问题的最佳线程在这里 。 它几乎不像将数字转换为单词的反问题那么容易。 我的解决方案仅适用于<2000的数字,它宽泛地解释了格式不正确的构造,而不是抛出错误。 而且,它根本无法抵抗拼写错误。 例如:
如果输入很多,并且大多数输入格式正确,则因拼写错误而引发的错误并不是什么大问题,因为您可以手动更正问题条目的简短列表。 但是,根据您的应用程序,静默接受错误的输入可能是一个真正的问题。 在确定是否值得使转换代码更可靠时,只需考虑一下。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.