如何从荷兰地址中提取门牌号及附加信息？

核心逻辑依据 #

荷兰地址的门牌号部分始终以数字开头，且位于地址行的最后一段（街道名可能包含数字，比如"18 Septemberplein"，但这类数字属于街道名，并非门牌号）。门牌号后的所有内容（包括字母、连字符、空格、额外楼层信息等）均属于附加信息。

分步实现思路 #

1. 定位门牌号起始位置

   • 从地址行的末尾向前逆向扫描，找到第一个连续数字序列的起始点。比如在"Plein 1944 1a 1e etage"中，逆向扫描会跳过"1e"里的1，最终定位到"1a"里的1——这是地址中最后一组独立的数字开头片段，以此确定门牌号的起始位置。
   • 核心判断标准：门牌号数字是地址行中最后一组以数字开头的独立片段，需避免将街道名中包含的数字误判为门牌号。

2. 拆分门牌号与附加信息

   • 从已定位的起始位置开始，提取连续的数字字符作为门牌号（支持多位数，比如"24"直接提取为门牌号）。
   • 数字序列结束后的所有剩余内容（无论是否有空格、连字符、字母或文本），全部作为附加信息保留原格式。例如：
     • "2-2" → 门牌号"2"，附加信息"-2"
     • "1 a 1e etage" → 门牌号"1"，附加信息" a 1e etage"

3. 特殊场景处理

   • 门牌号与附加信息间有空格：如"1 a 1e etage"，数字后的空格及后续内容均计入附加信息
   • 附加信息含连字符/空格：如"2 - 2"，直接保留"- 2"作为附加信息
   • 街道名带数字：确保逆向扫描时只取最后一组数字开头的片段，避免误识别

COBOL适配要点 #

• 利用COBOL的字符串操作指令（如INSPECT统计字符类型、UNSTRING拆分片段、子串截取）实现逆向扫描和内容提取。
• 定义对应的数据项存储结果：门牌号可定义为字符型（兼容多位数）或数值型，附加信息定义为足够长度的字符型数据项。
• 逆向扫描可通过循环遍历地址行的字符位置，从最后一位向前检查是否为数字，直到找到第一个非数字字符，再向前确认连续数字的边界。

测试用例验证 #

• "Notenkrakerstraat 24" → 门牌号=24，附加信息=空
• "Stationsstraat 7a" → 门牌号=7，附加信息="a"
• "Molenweg 3 hs" → 门牌号=3，附加信息="hs"
• "18 Septemberplein 12" → 门牌号=12，附加信息=空
• "Kerkstraat 2-2" → 门牌号=2，附加信息="-2"
• "Hoofdstraat 2 - 2" → 门牌号=2，附加信息="- 2"
• "Plein 1944 1a 1e etage" → 门牌号=1，附加信息="a 1e etage"
• "Plein 1944 1 a 1e etage" → 门牌号=1，附加信息=" a 1e etage"

内容的提问来源于stack exchange，提问作者T-men