我有很多包含旅行信息的电子表格，还有其他一些信息。

我需要从描述旅行的行中提取起始和结束位置，以及行中的一两个其他信息，但这些额外字段是什么并不重要。

没有已知的所有位置列表，也没有固定的文本模式，我能寻找的只有位置名称。

我正在搜索的字段中包含0到2个位置，有时位置有别名。

问题

如果我们有以下内容：

00229 | 445 | RTF | Jan   |  trn_rtn_co  | Chicago to Base1 00228 | 445 | RTF | Jan   |  train       | Metroline to home coming from Base100228 | 445 | RTF | Jan   |  train_s     | Standard train journey to Friends

我想要的可能是这样的（虽然具体情况会有所不同）：

RTF|Jan|Chicago   |Base1RTF|Jan|Home      |Base1RTF|Jan|NULL      |Friends

然后继续查找Base1和Friends对那个人（其唯一ID是RTF）意味着什么，并用合理的位置替换它们（假设他们只有一组‘朋友’）：

RTF|Jan|Chicago   |RockfordRTF|Jan|Home      |RockwordRTF|Jan|NULL      |Milwaukee

我的需求

我需要一种方法从最后一列中提取关键词，例如：Metroline to home coming from Base1。

我寻找的词有三种类型：

1. 家庭位置
   这些是已知且有限的，我可以从列表中获取这些信息
2. 家庭别名
   这些是已知且有限的，我可以从列表中获取这些信息
3. 外出位置
   这些是未知的，但它们是英国的城市/城镇等，我不知道如何在字符串中识别这些。这是我的主要问题

我的想法

我想到的首选程序是awk，但我不知道是否能可靠地搜索到位置名称的专有名词（即位置）。

是否有标准位置的包、库或字典？

我能否让程序扫描电子表格并‘学习’位置名称？

这似乎是一个已经解决的问题（即在文本字符串中查找词），但我不确定我在做什么，而且我只是一个初级程序员。

任何关于我能做些什么的帮助都将不胜感激。

编辑：

任何像“US_Locations_Cities是你可以检查的对象”，“在awk中使用…检查文件中提到的字符串”，“有语言X的库可以让程序学习识别位置名称，它不是RegEx，但可能有效”或“这里有位置名称的字典这里”这样的回答都可以。

最终，任何能帮助我实现目标（即获取位置名称！）的东西都将非常好。

回答：

很遗憾地告诉你，我认为这不是100%可编程的。最好的方法是定义一些标准搜索：

• Chicago to Base1
  [WORD] to [WORD]:
  其中“to”是固定的，你寻找前后各有一个词。前面的词是你的来源，后面的词是你的目标

• Metroline to home coming from Base1
  [WORD] to [WORD] coming from [WORD]:
  其中“to”和“coming from”是固定的，你寻找三个词在适当的位置。

• 等等

如果你能匹配来源和目标 -> 好的
如果你不能匹配某些东西，那么为那行抛出一个错误，让用户决定，或者更好的是实现适当的纠正，让程序自动重新评估那行。

这些是非平凡的目标。考虑以下几点：

• 美国以外的城市
• 非英语文本条目
• 缩写

对于自动错误纠正，尝试将找到的[WORD]与美国或其他城市的列表进行匹配。如果没有找到城市，则抛出错误。如果你发现错误，要么将未找到的城市添加到你的城市列表中，要么将城市名称翻译成一个公开已知（官方）的名称。