我有很多需要整理的数据,其中一个字段既包含车辆的制造/模型,也包含reg,有时用破折号(-)分隔,但有时它不是。下面是这样一个字符串的示例:
VehicleModel - TU69YUP
VehicleModel - TU69 YUP
VehicleModel TU69YUP
VehicleModel TU69 YUP
还有一些其他的变化,但它们是我遇到的主要变化。有没有一种方法,我可以可靠地检查所有的数据,并将车辆雷格与模型分开?
这些数据目前包含在Paradox数据库中,我对此没有问题。我没有数据库中所有车辆型号和名称的清单,同样,我也没有车牌的清单。
这个项目是用Delphi/SQL编写的,所以如果可能的话,我更愿意坚持这两种方法之一。
发布于 2012-02-19 06:03:01
前面的麻烦
如果该字段最初是由用户以您现在看到的形式输入的,那么我们可以假设没有验证,原始程序只会存储用户输入的任何内容。如果是这样的话,你不可能达到100%的准确性:人类总是会犯错,无论是有意的还是无意的。预期这类人为错误:
around)
您可能已经猜到,我在处理直接输入到文本字段的人工输入的数据时有点悲观。我很不幸地处理了一个数据库,在这个数据库中,所有的数据都是文本,而且没有验证:您能猜出那些在未经验证的日期字段中输入允许免费用户输入的无稽之谈吗?
计划
事情并不像看上去那么黑暗,你可能会“修复”很多事情。这里的诀窍是确保您只修复明确无误的数据,并让人工筛选其余的内容。最简单的方法就是这样做:
实施
我强烈建议在所有测试中使用正则表达式,因为您最终肯定会实现许多不同的测试,而正则表达式可以很容易地“表达”搜索文本中的细微变化。例如,下面的reg可以解析所有4个示例并给出正确的结果:
(.*?)(\ {1,3}-\ {1,3})?(\b[A-Z]{2}\ {0,2}[0-9]{2}\ {0,3}[A-Z]{3}\b)如果您以前从未使用过正则表达式,那么单个表达式看起来很难理解,但实际上非常简单。这不是什么问题,所以我不想谈任何细节。我宁愿解释一下我是怎么想到这个想法的。
首先,如果文本中包含车辆登记号码,那么这些数字将采用非常严格的格式:它们很容易匹配。鉴于您的例子,我假设所有的注册号码都是表格的:
LLNNLLL其中"L“是字母,"N”是数字。我的正则表达式在它的解释中是僵化的:它需要两个大写字母,然后是少量的空格(或没有空格),后面是两个数字,然后是少量的空格(或没有空格),最后是三个大写字母。“规则”中涉及的部分是:
[A-Z]{2}\ {0,2}[0-9]{2}\ {0,3}[A-Z]{3}regex的其余部分确保没有将注册号嵌入到换句话说,处理将文本分组到捕获组中,并为VehicleModel创建一个“惰性捕获组”。
如果我自己实现这一点,我可能会编写一个“主”函数和一些更简单的"case“函数,每个函数处理一种用户输入的变化。示例:
// This function does a validation of the extracted data. For example it validates the
// Registration number, using other, more precise criteria. The parameters are VAR so the
// function may normalize the results.
function ResultsAreValid(var Make, Registration:string): Boolean;
begin
Result := True; // Only you know what your data looks like and how it can be validated.
end;
// This is a case function that deals with a very rigid interpretation of user data
function VeryStrictInterpretation(const Text:string; out Make, Registration: string): Boolean;
var TestMake, TestReg: string;
// regex engine ...
begin
Result := False;
if (your condition) then
if ResultsAreValid(TestMake, TestReg) then
begin
Make := TestMake;
Registration := TestReg;
Result := True;
end;
end;
// Master function calling many different implementations that each deal with all sorts
// of variations of input. The most strict function should be first:
function MasterTest(const Text:string; out Make, Registration: string): Boolean;
begin
Result := VeryStrictInterpretation(Text, Make, Registration);
if not Result then Result := SomeOtherImplementation(Text, Make, Registration);
if not Result then Result := ThirdInterpretation(Text, Make, Registration);
end;这里的想法是尝试制作多个简单的过程,每个步骤都清楚地理解一种输入,并确保每一步都不会返回误报!最后,别忘了,一个人应该处理最后几个病例,所以不要想办法解决所有问题。
发布于 2012-02-18 13:41:00
假设它们的格式是相同的。WordspaceWord
然后,您可以遍历它们,如果遇到没有破折号的空白,则插入一个破折号。然后像正常一样分开。
发布于 2012-02-18 14:29:37
下面是一个代码示例。它将检查-,并删除许可号中可能的空格。
备注: (由Ken评论),如果车辆包含一个空间,这将不得不处理。
type
EMySplitError = class(Exception);
procedure SplitVehicleAndLicense( s : String; var vehicle,license : String);
var
p : Integer;
begin
vehicle := '';
license := '';
p := Pos('-',s);
if (p = 0) then
begin // No split delimiter
p := Pos(' ',s);
if (p > 0) then
begin
vehicle := Trim(Copy(s,1,p-1));
license := Trim(Copy(s,p+1,Length(s)));
end
else
Raise EMySplitError.CreateFmt('Not a valid vehicle/license name:%s',[s]);
end
else
begin
vehicle := Trim(Copy( s,1,p-1));
license := Trim(Copy( s,p+1,Length(s)));
end;
// Trim spaces in license
repeat
p := Pos(' ',license);
if (p <> 0) then Delete(license,p,1);
until (p = 0);
end;https://stackoverflow.com/questions/9341651
复制相似问题