如何用正则表达式从地址字符串中提取纯单词内容？

需求分析 #

你需要从给定地址中提取仅由纯字母组成的单词/短语（可包含空格分隔的多个单词），排除所有带数字、点号、连字符的内容，以及前缀缩写（如St.、Pr.）和后缀数字。原正则(\w+)仅能匹配单个单词，且会误匹配带数字/符号的片段，无法满足需求。

解决方案 #

推荐使用替换法：先定义正则匹配所有不需要的内容，将其替换为空，再清理多余空格即可得到目标结果。

正则说明

用于匹配需移除内容的正则：\S*[\d.-]\S*|,

• \S*[\d.-]\S*：匹配任何包含数字(\d)、点号(.)或连字符(-)的连续非空白字符片段（如St.、7-th、B.O.、15、k.1）
• |,：同时匹配并移除逗号

代码示例（以Python为例）

import re

# 输入地址列表
address_lines = [
    "St. Washington, 80",
    "7-th mill B.O., 34",
    "Pr. Lakeview, 17",
    "Pr. Harrison, 15 k.1",
    "St. Hillside Avenue, 26"
]

# 定义移除不需要内容的正则模式
clean_pattern = re.compile(r'\S*[\d.-]\S*|,')

# 逐行处理提取目标内容
for line in address_lines:
    cleaned = re.sub(clean_pattern, '', line).strip()
    print(cleaned)

运行结果

Washington
mill
Lakeview
Harrison
Hillside Avenue

另一种思路：直接匹配目标内容 #

如果需要直接匹配目标，可使用正则：\b([A-Za-z]+(?:\s[A-Za-z]+)*)\b(?!.*[\d.-])，但需注意逐行匹配时可能需要调整，替换法更简单通用。

内容的提问来源于stack exchange，提问作者Andreas Hunter