如何编写正则表达式模式以从银行对帐单中的 AMT 取款交易中提取位置

问题描述

我想编写一个正则表达式模式，从一串叙述中提取地址或位置，用于 35 万条记录的数据。

txn_add <- data.frame(NARRATION=c("$ $ $ +YBL PATAUDI CHOWK \ $","$ $ -ATM CASH 83181 + MAIN BHAWANA ROAD NEW DELHI $","$ $ [5839/P1TNDE06/+RAGHUBARPURA $","$ MAXIMUMOUTFITS PRIVATE LIMITED } $ ATDELHIIN- $ $ /5631 $","$ ATM CASH-N4077800-+SPRINGFIELDCOLONYFFAR IDABADHRIN-04/06/18 $ /5631 ( $ $ VERIFICATION $"))

我运行了以下正则表达式模式：

gsub(".*[:|+]([^.]+)[$|\\|\\/].*","\\1",txn_add$NARRATION)

我得到的输出为：

[1] "YBL PATAUDI CHOWK  "                                                  
[2] " MAIN BHAWANA ROAD NEW DELHI "                                        
[3] "RAGHUBARPURA "                                                        
[4] "$ MAXIMUMOUTFITS PRIVATE LIMITED } $ ATDELHIIN- $ $ /5631 $"          
[5] "SPRINGFIELDCOLONYFFAR IDABADHRIN-04/06/18 $ /5631 ( $ $ VERIFICATION "

这个输出不正确，因为我必须实现一些条件： 地址可以从：

1. '+'
2. '@'
3. ' AT '
4. ':'
5. <P|S><SBI><P|S>              # EXACT TEXT PRECEEDED AND FOLLOWED BY PUNCTUATION OR SPACE
6. <NNN> FOLLOWED BY <P|S|A>    # 3 NUMBERS FOLLOWED BY EITHER PUNCTUATION OR SPACE OR ALPHA

并以：

1. -
2. / 
3. $
4. \
5.<NNNNNNN>     # Combination of numbers

可以包含

Alphabets,numbers,dot (.),dash (-),space ( ),coma(,),underscore (_) brackets(()) at (@),hash (#) and(&) semi colon (;) 

这是从交易中提取地址，期望输出为：

[1] "YBL PATAUDI CHOWK"                                                  
[2] "MAIN BHAWANA ROAD NEW DELHI "                                        
[3] "RAGHUBARPURA "                                                        
[4] "DELHIIN"          
[5] "SPRINGFIELDCOLONYFFAR IDABADHRIN"

我无法获得所需的输出。接下来我可以尝试什么？

解决方法

您可能会使用捕获组

(?:[+@:]|\bAT(?!M))\s*([A-Z]+(?:\s+[A-Z]+)*)

说明

• (?: 非捕获组
  • [+@:] 匹配 + @ :
  之一
  • | 或
  • \bAT(?!M) 匹配 AT 后面没有 M
• ) 关闭群组
• \s* 匹配 0+ 个空白字符
• ( 捕获组 1
  • [A-Z]+(?:\s+[A-Z]+)* 匹配字符 A-Z，中间有 1 个以上的空白字符
• ) 关闭第 1 组

查看regex demo

用子匹配所有前后组：

sub(".*(?:[+@:]|\\bAT(?!M))\\s*([A-Z]+(?:\\s+[A-Z]+)*).*","\\1",txn_add$NARRATION,perl=TRUE)