我对正则表达式相当有经验，但是在当前涉及析取的应用程序中遇到了一些困难。
我的情况是这样的：我需要根据地址的“标识符元素”上的正则表达式匹配将地址分成其组成部分——类似的英文示例是“state”、“road”或“林荫大道”--例如，如果我们在地址中写下了这些。想象一下，我们有一个像下面这样的地址，其中（这在英语中永远不会发生），我们在每个名称之后指定了标识符类型
United States COUNTRY California STATE San Francisco CITY Mission STREET 345 NUMBER
（大写字母中的词是我所说的“标识符”）。
我们想把它解析成：
United States COUNTRY
California STATE
San Francisco CITY
Mission STREET
245 NUMBER
好的，这当然是为英语设计的，但有一个问题：我正在处理中文数据，实际上这种标识符规范一直在发生。下面的一个例子：
云南-省 ; 丽江-市 ; 古城-区 ; 西安-街 ; 杨春-巷 ;
Yunnan-Province ; LiJiang-City ; GuCheng-District ; Xi'An-Street ; Yangchun-Alley
这很容易——对潜在的候选标识符名称进行惰性匹配，分成一个分离列表。
对于中国，以下是“省级”实体：
省 (Province) ,
自治区 (Autonomous Region) ,
市 (Municipality)
所以到目前为止我的正则表达式看起来像这样：
(.+?(?:(?:省)|(?:自治区)|(?:市)))
我有一系列这些，以说明地址的不同部分。例如，对应于城市的下一个级别是：
(.+?(?:(?:地区)|(?:自治州)|(?:市)|(?:盟)))
所以要匹配一个省实体，然后是一个城市实体：
(.+?(?:(?:省)|(?:自治区)|(?:市)))(.+?(?:(?:地区)|(?:自治州)|(?:市)|(?:盟)))
使用命名的捕获组：
(?<Province>.+?(?:(?:省)|(?:自治区)|(?:市)))(?<City>.+?(?:(?:地区)|(?:自治州)|(?:市)|(?:盟)))
对于上述情况，这会产生：
$+{Province} = 云南省<br>
$+{City} = 丽江市
这一切都很好，让我走得很远。然而，问题是当我尝试考虑可能是其他标识符的子字符串的标识符时。例如，一个常见的街道实体是“村委会”，意思是村组委会。在我希望分开的一组地址中，并非每个地址都完整地写出。事实上，我找到了“村委”，也只是简单的“村”。
问题？如果我对这些元素进行纯析取，我们有以下内容：
(?<Street>.+?(?:(?:村委会)|(?:村委)|(?:村)))
然而，如果你有一个实体保定-村委会（保定村组委会），这个懒惰的正则表达式会在村停下来收工，让我们可怜的委员会成为孤儿，因为村是潜在的分离元素之一.
想象一下这样的英语等价物：
(?<Animal>.+?(?:(?:Cat)|(?:Elephant)|(?:CatElephant)|(?:City)))
我们有两个输入字符串：
1.“crap catelephant crap city”，我们想要“Crap catelephant”和“crap city” 2.“crap catelephant city”，我们想要“crap cat”“elephant city”
啊，你说的解决办法就是让前置标识符贪婪捕获。但！有些实体具有相同的标识符但不在同一级别。
以市为例。这意味着简单的“城市”。但在中国，有县级市、省级市和市级市。如果该字符在字符串中出现两次，尤其是在两个相邻实体中，贪心搜索会错误地将贪心匹配标记为第一个实体。如下所示：
广东-省 ; 江门-市 ; 开平-市 ; 三埠-区 石海管-区<br>
Guangdong-province ; Jiangmen-City ; Kaiping-City ; Sanbu-District ; Shihaiguan-District
（请注意，如上所述，这是手动分割的。原始数据将仅包含一串连接的字符）
贪婪搜索的匹配是
江门市开平市
这是错误的，因为两个相邻的实体应该被分成它们的组成部分。一个是省级市，一个是县级市。
回到原点，感谢您阅读本文，有没有办法对析取实体进行加权？我希望正则表达式首先找到最高的“加权”标识符。村委会而不是简单的村，例如“catelephant”而不是“cat”。在初步实验中，正则表达式解析器显然从左到右寻找析取匹配。这是一个有效的假设吗？我应该将最常出现的标识符放在分离列表的首位吗？
如果我失去了任何与中国相关的细节，我很抱歉，如果需要可以进一步澄清。这个例子真的不必是中文的——我认为更一般地说，这是一个关于正则表达式分离匹配机制的问题——它优先选择分离实体的顺序，以及它如何决定何时“调用它”一天”在懒惰搜索的背景下？
在某种程度上，在懒惰和贪婪搜索之间是否存在某种中间立场？在最长/最高加权分离实体之前找到你能找到的最小位？懒惰，但如果可以的话，为了彻底而付出一点额外的努力？（顺便问一下，我大学的工作理念？）