如何从文本块中提取包含城市/州/邮编的行？

问题场景 #

我有多个包含地址信息的文本块，示例如下：

Fake Name
Business name
60 N Address Ave.
San Jose, CA 95126
(555)255-5555
Email: emailaddress@aol.com

需要提取其中包含城市/州/邮编的行（比如示例里的San Jose, CA 95126），但该行在每个文本块中的位置不固定。我尝试了两段正则代码，但都没得到预期结果。

尝试过的代码 #

function findStateLine(text) {
    const lines = text.split("
");

    const regex = /\b[A-Z]{2}\b/;

    for (let i = 0; i < lines.length; i++) {
        if (regex.test(lines[i])) {
            return lines[i].trim();
        }
    }

    return null;
}

const stateLine = findStateLine(text);
console.log(stateLine);

另外还试过正则/[\w ]+, \w{2} \d{5}/，同样无效。

问题分析与解决方案 #

1. 换行分割问题：原代码中split(" ")是HTML转义后的错误写法，实际应该用/\r?\n/兼容不同系统的换行符（\n或\r\n），同时要过滤空行和无效行。
2. 正则匹配精度问题：原正则要么太宽泛（比如/\b[A-Z]{2}\b/可能匹配到其他两位大写字母的内容），要么不够全面（/[\w ]+, \w{2} \d{5}/不支持城市名中的连字符、点号等字符，且未限制整行匹配）。

修正后的代码如下：

function findStateLine(text) {
    // 兼容不同换行符，清理空行和首尾空格
    const lines = text.split(/\r?\n/)
                      .map(line => line.trim())
                      .filter(line => line.length > 0);

    // 精准匹配城市名, 州缩写 5位邮编的格式
    // 支持城市名包含字母、空格、连字符、点号
    const addressRegex = /^[A-Za-z\s\-.]+,\s[A-Z]{2}\s\d{5}$/;

    for (const line of lines) {
        if (addressRegex.test(line)) {
            return line;
        }
    }

    return null;
}

// 测试示例
const sampleText = `Fake Name
Business name
60 N Address Ave.
San Jose, CA 95126
(555)255-5555
Email: emailaddress@aol.com`;

console.log(findStateLine(sampleText)); // 输出: San Jose, CA 95126

正则说明 #

• ^ 和 $：确保匹配整行内容，避免部分匹配（比如邮箱里的类似片段）
• [A-Za-z\s\-.]+：匹配城市名，支持常见格式（如Los Angeles、St. Louis）
• ,\s：匹配城市名后的逗号加空格
• [A-Z]{2}：匹配两位大写的美国州缩写
• \s\d{5}：匹配空格加5位数字邮编

如果需要支持带扩展码的邮编（如95126-1234），可以把正则修改为：

const addressRegex = /^[A-Za-z\s\-.]+,\s[A-Z]{2}\s\d{5}(?:-\d{4})?$/;

内容的提问来源于stack exchange，提问作者Maurice Fiorani