PHP, извлечение почтового адреса

Question

У меня возникла проблема в том, что мне нужна помощь в исправлении. Я пытаюсь создать скрипт, который сканирует веб-сайты для почтовых адресов. В основном немецкие адреса, но я не уверен, как создать указанный скрипт, я уже создал один, который извлекает адреса электронной почты с указанных сайтов. Но адрес один вызывает недоумение, потому что нет реального формата. Вот несколько немецких адресов для примеров, чтобы извлечь эти данные.

Ilona Mustermann 
Hauptstr. 76 
27852 Musterheim 


Andreas Mustermann 
Schwarzwaldhochstraße 1 
27812 Musterhausen 


D. Mustermann 
Kaiser-Wilhelm-Str.3 
27852 Mustach 

Это всего лишь несколько примеров того, что я хочу извлечь из веб-сайтов. Возможно ли это с PHP?

Edit:

Это то, что я до сих пор

function extract_address($str) { 
$str = strip_tags($str); 
$Name = null; 
$zcC = null; 
$Street = null; 

foreach(preg_split('/([^A-Za-z0-9üß\-\@\.\(\) .])+/', $str) as $token) { 
    if(preg_match('/([A-Za-z\.])+ ([A-Za-z\.])+/', $token)){ 
     $Name = $token; 
    } 

    if(preg_match('/ /', $token)){ 
     $Street = $token; 
    } 

    if(preg_match('/[0-9]{5} [A-Za-zü]+/', $token)){ 
     $zcC = $token; 
    } 

    if(isset($Name) && isset($zcC) && isset($Street)){ 
     echo($Name."<br />".$Street."<br />".$zcC."<br /><br />"); 
     $Name = null; 
     $Street = null; 
     $zcC = null; 
    } 
    } 
} 

Он работает, чтобы получить $ Имя (IE: Илона Mustermann и Город/почтовый индекс (27852 Musterheim), но не уверены в регулярном выражении, чтобы всегда получить улицы?

---

Ну это то, что я придумал до сих пор, и это, кажется, работает около 60% времени на улицах, почтовый индекс/город работать на 100% и так же имя. Но когда он пытается o добывать улицу, иногда это терпит неудачу. Любая идея, почему?

function extract_address($str) { 
    $str = strip_tags($str); 
    $Name = null; 
    $zcC = null; 
    $Street = null; 

    foreach(preg_split('/([^A-Za-z0-9üß\-\@\.\(\)\& .])+/', $str) as $token) { 
     if(preg_match('/([A-Za-z\&.])+ ([A-Za-z.])+/', $token) && !preg_match('/([A-Za-zß])+ ([0-9])+/', $token)){ 
      //echo("N:$token<br />"); 
      $Name = $token; 
     } 

     if(preg_match('/(\.)+/', $token) || preg_match('/(ß)+/', $token) || preg_match('/([A-Za-zß\.])+ ([0-9])+/', $token)){ 
      $Street = $token; 
     } 

     if(preg_match('/([0-9]){5} [A-Za-züß]+/', $token)){ 
      $zcC = $token; 
     } 

     /*echo("<br /> 
      N:$Name 
      <br /> 
      S:$Street 
      <br /> 
      Z:$zcC 
      <br /> 
      ");*/ 

     if(isset($Name) && isset($zcC) && isset($Street)){ 
      echo($Name."<br />".$Street."<br />".$zcC."<br /><br />"); 
      $Name = null; 
      $Street = null; 
      $zcC = null; 
     } 
    } 
} 

Answer 1

Конечно, возможно, вам нужно использовать функцию preg_match(). Это все о создании хорошего шаблона регулярных выражений.

Например, чтобы получить сообщению-код

<?php 
$str = "YOUR ADRESSES STRING HERE"; 
preg_match('/([0-9]+) ([A-Za-z]+)/', $str, $matches); 
print_r($matches); 

?> 

это регулярное выражение соответствует АДРЕСА вы дали вам нужно поместить в него также свои собственные символы.

[A-Za-züß.]+ [A-Za-z.üß]+\s[A-Za-z. 0-9ß-]+\s[0-9]+ [A-Za-züß.]+ 

Answer 2

Невозможно получить надежный ответ с регулярным выражением с такой сложной строкой. Это единственный правильный ответ на этот вопрос.

Answer 3

Влад Бондаренко находится справа.

В CS говорят: Почтовые адреса не образуют обычный язык.

Извлечение информации является активной темой исследования. Регулярные выражения не являются полностью фиктивными, но будут иметь более высокую частоту отказов, чем подходы, которые используют словари («географические указатели») или более сложные алгоритмы машинного обучения.

Хороший переполнение стека д/а How to parse freeform street/postal address out of text, and into components