perl - 从给定字符串中提取任意位置的可行性？

Question

这个问题不太可能帮助任何 future 的访客；它只与一个小地理区域、一个特定时刻或一个非常狭窄的情况相关，而这些情况通常不适用于互联网的全局受众。如需帮助使这个问题更广泛地适用，visit the help center .




9年前关闭。




我有许多包含旅行信息的电子表格。

我需要提取该行描述旅行的开始和结束位置，以及该行中的一两件事，但那些额外的字段应该不重要。

没有所有位置的已知列表，也没有固定的文本模式，我只能寻找位置名称。

我正在搜索的字段有 0-2 个位置，有时位置有别名。

问题

如果我们有这个:

00229 | 445 | RTF | Jan   |  trn_rtn_co  | Chicago to Base1 
00228 | 445 | RTF | Jan   |  train       | Metroline to home coming from Base1
00228 | 445 | RTF | Jan   |  train_s     | Standard train journey to Friends

例如，我(尽管会有所不同)会想要这个:

RTF|Jan|Chicago   |Base1
RTF|Jan|Home      |Base1
RTF|Jan|NULL      |Friends

然后去，看看什么 Base1和 Friends对那个人(其唯一 ID 是 RTF)表示并用合理的位置替换它们(假设他们只有一组“ friend ”):

RTF|Jan|Chicago   |Rockford
RTF|Jan|Home      |Rockword
RTF|Jan|NULL      |Milwaukee

我需要的

我需要一种从最后一列中挑选关键词的方法，例如:Metroline to home from Base1。

我正在寻找三种类型的单词:

首页 位置 这些是已知的和有限的，我可以从列表中获得这些

主页别名 这些是已知的和有限的，我可以从列表中获得这些

离开地点 这些是未知的，但英国的城市/城镇/等我不知道如何在字符串中识别这些。这是我的主要问题

我的想法

我想到的程序是 awk ，但我不知道是否可以可靠地搜索以找到将专有名词(即位置)用于位置名称的位置。

是否有标准位置的包、库或字典？

我可以得到一个程序来搜索电子表格并“学习”位置的名称吗？

这似乎是一个已经解决的问题(即在文本字符串中查找单词)，但我不确定我在做什么，而且我只是一个新手程序员。

对我能做的任何帮助将不胜感激。

编辑:

任何答案，例如“US_Locations_Cities 是您可以检查的内容”、“使用 ... 检查 awk 中文件中提到的字符串”、“有一个语言 X 的库可以让程序学习识别位置名称，它是不是正则表达式，但它可能会起作用”，或者“这里有一个位置名称字典”就可以了。

最终，任何可以帮助我做我想做的事情(即获取位置名称!)的东西都会很棒。

Answer 1

很抱歉告诉你，但我认为这不是 100% 可编程的。
最好的办法是定义一些标准搜索:

芝加哥到 Base1
[字] 到 [字]:
其中“to”是固定的，您在之前和之后寻找一个词。之前的词是你的来源和你的目标之后的词

从 Base1 到家的地铁
[WORD] 到 [WORD] 来自 [WORD]:
其中“to”和“coming from”是固定的，你在适当的位置寻找三个词。

等

如果您可以匹配源和目标-> 好的
如果您无法匹配某些内容，则为该行抛出错误并让用户决定甚至更好地实现适当的更正，并让程序自动重新评估该行。

这些都是不平凡的目标。
考虑:

我们出的城市

非英文文本条目

缩写

对于自动纠错，请尝试将找到的 [WORD] 与我们或其他城市的列表相匹配。
如果未找到城市，则抛出错误。如果您发现该错误，请将未找到的城市包含在您的城市列表中，或者将城市名称翻译为公开(官方)名称。