javascript - 我如何将此 PCRE 正则表达式转换为 ECMAScript (JS) 正则表达式以解析街道号码和地址？

Question

我一直在寻找能够从地址解析街道号码和名称的最佳正则表达式。我找到了一个 ( https://regex101.com/r/lU7gY7/1 )，但它是在 PCRE 而不是 JavaScript 中。我已经玩了很长一段时间了，但我似乎无法使用 JavaScript 获得相同(或任何)的输出。上面的链接中有注释，稍微解释了代码，但下面是没有注释的版本。

\A\s*(?:(?:(?P<A_Addition_to_address_1>.*?),\s*)?(?:No\.\s*)?(?P<A_House_number_1>\pN+[a-zA-Z]?(?:\s*[-\/\pP]\s*\pN+[a-zA-Z]?)*)\s*,?\s*(?P<A_Street_name_1>(?:[a-zA-Z]\s*|\pN\pL{2,}\s\pL)\S[^,#]*?(?<!\s))\s*(?:(?:[,\/]|(?=\#))\s*(?!\s*No\.)(?P<A_Addition_to_address_2>(?!\s).*?))?
|
(?:(?P<B_Addition_to_address_1>.*?),\s*(?=.*[,\/]))?
(?!\s*No\.)(?P<B_Street_name>\S\s*\S(?:[^,#](?!\b\pN+\s))*?(?<!\s))\s*[\/,]?\s*(?:\sNo\.)?\s+(?P<B_House_number>\pN+\s*-?[a-zA-Z]?(?:\s*[-\/\pP]?\s*\pN+(?:\s*[\-a-zA-Z])?)*|[IVXLCDM]+(?!.*\b\pN+\b))(?<!\s)\s*(?:(?:[,\/]|(?=\#)|\s)\s*(?!\s*No\.)\s*(?P<B_Addition_to_address_2>(?!\s).*?))?)\s*\Z

这些地址是我要解析的一组地址:

100 Baker Street
109 - 111 Wharfside Street
40-42 Parkway
25b-26 Sun Street
43a Garden Walk
6/7 Marine Road
10 - 12 Acacia Ave
4513 3RD STREET CIRCLE WEST
0 1/2 Fifth Avenue
194-03 1/2 50th Avenue

我已尝试将它们输入到正则表达式站点并切换到 JavaScript 而不是 PCRE，并已更正站点突出显示的问题，但这似乎不起作用。我也尝试过将 PCRE 转换为 JS 的代码片段，但这也没有用。我在想我遗漏了一些根本的区别。有人可以帮我进行转换吗？

更新:目标是将此作为最终结果:

{A_House_number_1: "109 - 111", A_Street_name_1: "Wharfside Street"}
{A_House_number_1: "40-42", A_Street_name_1: "Parkway"}
{A_House_number_1: "25b-26", A_Street_name_1: "Sun Street"}
{A_House_number_1: "43a",  A_Street_name_1: "Garden Walk"}
{A_House_number_1: "6/7", A_Street_name_1: "Marine Road"}
{A_House_number_1: "10 - 12", A_Street_name_1: "Acacia Ave"}
{A_House_number_1: "4513", A_Street_name_1: "3RD STREET CIRCLE WEST"}
{A_House_number_1: "0 1/2", A_Street_name_1: "Fifth Avenue"}
{A_House_number_1: "194-03 1/2", A_Street_name_1: "50th Avenue"}

Answer 1

在您的正则表达式中，存在语法不符合 ECMAScript 2018+ 标准的 Unicode 属性类，并且两个引擎的命名捕获组语法不同。此外，由于您必须在 ECMAScript 正则表达式中使用 Unicode 属性类，因此您需要使用 /u标志，它需要更严格的方法来转义特殊字符，因此您需要确保只转义必须转义的内容。此外，\A和 \Z/\z ECMAScript 正则表达式风格不支持 anchor ，只需使用 ^和 $ .

以下是更改内容的示例:

• 删除了注释，因为 ECMAScript 正则表达式不支持 COMMENT/FREESPACING 模式(通常使用 /x 或 (?x) 标志/选项启用)
• (?P<A_Addition_to_address_1>.*?) => (?<A_Addition_to_address_1>.*?) (不支持P之后的?)
• \pN => \p{N} (Unicode 类别名称/别名必须出现在大括号内)
• [\-a-zA-Z] => [-a-zA-Z]和 \# => # (不必要的转义，通过使用 /u 标志强制执行)
• \A => ^ (不受支持的 anchor )
• \Z => $ (不受支持的 anchor )

你可以使用

const addresses = ['109 - 111 Wharfside Street', '40-42 Parkway', '25b-26 Sun Street', '43a Garden Walk', '6/7 Marine Road', '10 - 12 Acacia Ave', '4513 3RD STREET CIRCLE WEST', '0 1/2 Fifth Avenue', '194-03 1/2 50th Avenue'];
const regex = /^\s*(?:(?:(?<A_Addition_to_address_1>.*?),\s*)?(?:No\.\s*)?(?<A_House_number_1>\p{N}+[a-zA-Z]?(?:\s*[-\/\p{P}]\s*\p{N}+[a-zA-Z]?)*)\s*,?\s*(?<A_Street_name_1>(?:[a-zA-Z]\s*|\p{N}\p{L}{2,}\s\p{L})\S[^,#]*?(?<!\s))\s*(?:(?:[,\/]|(?=#))\s*(?!\s*No\.)(?<A_Addition_to_address_2>(?!\s).*?))?|(?:(?<B_Addition_to_address_1>.*?),\s*(?=.*[,\/]))?(?!\s*No\.)(?<B_Street_name>\S\s*\S(?:[^,#](?!\b\p{N}+\s))*?(?<!\s))\s*[\/,]?\s*(?:\sNo\.)?\s+(?<B_House_number>\p{N}+\s*-?[a-zA-Z]?(?:\s*[-\/\p{P}]?\s*\p{N}+(?:\s*[-a-zA-Z])?)*|[IVXLCDM]+(?!.*\b\p{N}+\b))(?<!\s)\s*(?:(?:[,\/]|(?=#)|\s)\s*(?!\s*No\.)\s*(?<B_Addition_to_address_2>(?!\s).*?))?)\s*$/u;
for (const address of addresses) {
  const m = regex.exec(address);
  if (m) {
      console.log( Object.fromEntries(Object.entries(m.groups).filter(([k,v]) => v!==undefined)) )
  } else {
      console.log( `No match found in "${address}"` )
  }
}

参见 regex demo .

在代码里面，Object.fromEntries(Object.entries(m.groups).filter(([k,v]) => v!==undefined))用于删除值为 undefined 的所有命名捕获组.