Java 正则表达式排除块地址中的一行

Question

这是我的正则表达式模式：

\b(?!(?i)Doctor| )([^\s]*\b)[\n\r\s]+(\b[\S\s][^\d]*\b)[\s\S]+([0-9]{5})\s+([\D]*)

我需要检索块地址中的不同信息，例如：

Doctor John DOE
123 dream road 
12345 TOWN

Java代码：

firstName = matcher.group(1).trim();
lastName = matcher.group(2).trim();

效果很好！但有时会有额外的一行：

Doctor John DOE
Country Hospital
123 dream road 
12345 TOWN

名字被很好地检索到：“John” 但检索到的姓氏是“DOE Country Hospital”

理想的目标是在单独的字段中获取名字、姓氏、地址行 1（如果存在......）、地址行 2、代码和城镇。

但我没有找到正确的模式...

Answer 1

避免使用

[\s\S]

，如果您不想也捕获换行符，请使用

.

。使用

[\s\S]

会导致捕获

DOE Country Hospital

，因为

DOE

之后有一个换行符，并且

[\s\S]

将捕获该换行符，但

.

不会捕获，除非您使用

(?s)

修饰符，这使得

.

为也捕获换行符。

对于您帖子中的两个示例，其中地址的第一行是可选的，您可以使用以下正则表达式来捕获地址中的不同部分。我简化了您的正则表达式并使用

\R

来匹配换行符，因为

\R

几乎匹配各种操作系统中换行符的所有变体。

^(?:(?i)Doctor )?(?<FirstName>\S+)\s+(?<LastName>\S+)(?:\R(?<AddressLine1>.+))?\R(?:(?<AddressLine2>.+))\R(?<Code>\d{5})\s+(?<Town>.+)$

演示

注意，我使用了命名组来方便地识别什么是什么。您可以删除它并使正则表达式更短。让我知道这是否适合您，我会根据您的需要添加解释。