Есть определенного рода проблемы с многоэтажными регулярками. Подскажите как оформить.
Ввод: тысяча коротких текстов, в некоторых из которых есть адреса.
Примеры ввода:
- ...адрес: Россия Самарская область, г.Самара, ул.Ленина, 1...
- ...местоположение г.Оренбург, Ленина, д.1...
- ...адрес город Москва, Ленина, 1, кв.1...
- ...располагается по адресу: Ленинградская область, село Ленина, д.1...
- ...местонахождение: курганская Область...
Задача: выловить большинство адресов и не захватить лишнего после них.
Мои мысли по алгоритму: как видно из примеров - адреса не унифицированы и сложно зацепиться за что-то, чтобы гарантированно выдернуть полный адрес, поэтому нас устроит адрес максимальной длины, лишь бы без лишней случайно захваченной информации.
Поэтому в начале строки цепляемся за слово адрес
или местоположение
. И начинаем углубляться: следующая проверка должна быть на (область|край|регион)
, далее (г\.|город|село|поселок)
, далее (ул\.|улица)
.
Моя проблема в том, что регулярки мне дались только на базовом уровне и задачу не могу победить вторые сутки.
На данном этапе имею регулярку '/адрес[у: ]{1,3}?.*г\.[ ]?[а-яА-Я]*/ui'
и много вопросов.
1) Регулярка не учитывает начало в виде слова местоположение
, я пробую добавить его таким образом '/(адрес[у: ]{1,3}?|местоположение).*г\.[ ]?[а-яА-Я]*/ui'
. В ответ регулярка начинает слать бред. Как правильно оформить ИЛИ
в данном случае?
2) Похожая проблема получается тогда, когда я пытаются подставить разные формы населенного пункта '/адрес[у: ]{1,3}?.*(г\.|город|село|поселок)[ ]?[а-яА-Я]*/ui'
3) По итогу мне надо сохранять адрес максимально успешной длины. Но если я ставлю проверку на область
перед городом, то само собой не получу в результатах адреса без области.
В целом пункт 3 планирую решить через PHP по следующему алгоритму:
- если успешна регулярка выборки улицы, то берем резутат, иначе
- если успешна регулярка выборки города, то берем результат, иначе
- если успешна регулярка выборки области, то берем результат, иначе
- адреса нет
Но для этого мне надо решить вопросы 1 и 2.
Спасибо коллеги!
~(?:адресу?|место(?:положение|нахождение)):?[^\n]+~
?