字符串中的街道地址搜索 - Python 或 Ruby

Question

嘿， 我想知道如何在 Python/Ruby 中的字符串中找到街道地址？

也许通过正则表达式？

另外，它会采用以下格式（美国）

420 Fanboy Lane, Cupertino CA

谢谢！

Answer 1

也许您想看看 pypostal。 pypostal 是 libpostal 的官方 Python 绑定。

根据 Mike Bethany 的示例，我制作了这个小示例：

from postal.parser import parse_address

addresses = [
    "420 Fanboy Lane, Cupertino CA 12345",
    "1829 William Tell Oveture, by Gioachino Rossini 88421",
    "114801 Western East Avenue Apt. B32, Funky Township CA 12345",
    "1 Infinite Loop, Cupertino CA 12345-1234",
    "420 time!",
]

for address in addresses:
    print parse_address(address)
    print "*" * 60

>     [(u'420', u'house_number'), (u'fanboy lane', u'road'), (u'cupertino', u'city'), (u'ca', u'state'), (u'12345', u'postcode')]
>     ************************************************************
>     [(u'1829', u'house_number'), (u'william tell', u'road'), (u'oveture by gioachino', u'house'), (u'rossini', u'road'), (u'88421',
> u'postcode')]
>     ************************************************************
>     [(u'114801', u'house_number'), (u'western east avenue apt.', u'road'), (u'b32', u'postcode'), (u'funky', u'road'), (u'township',
> u'city'), (u'ca', u'state'), (u'12345', u'postcode')]
>     ************************************************************
>     [(u'1', u'house_number'), (u'infinite loop', u'road'), (u'cupertino', u'city'), (u'ca', u'state'), (u'12345-1234',
> u'postcode')]
>     ************************************************************
>     [(u'420', u'house_number'), (u'time !', u'house')]
>     ************************************************************

Answer 2

使用您的示例，这就是我在 Ruby 中提出的内容（我对其进行了编辑以包含邮政编码和可选的 +4 邮政编码）：

regex = Regexp.new(/^[0-9]* (.*), (.*) [a-zA-Z]{2} [0-9]{5}(-[0-9]{4})?$/)
addresses = ["420 Fanboy Lane, Cupertino CA 12345"]
addresses << "1829 William Tell Oveture, by Gioachino Rossini 88421"
addresses << "114801 Western East Avenue Apt. B32, Funky Township CA 12345"
addresses << "1 Infinite Loop, Cupertino CA 12345-1234"
addresses << "420 time!"

addresses.each do |address|
  print address
  if address.match(regex)
    puts " is an address"
  else
    puts " is not an address"
  end
end

# Outputs:
> 420 Fanboy Lane, Cupertino CA 12345 is an address  
> 1829 William Tell Oveture, by Gioachino Rossini 88421 is not an address  
> 114801 Western East Avenue Apt. B32, Funky Township CA 12345 is an address  
> 1 Infinite Loop, Cupertino CA 12345-1234 is an address  
> 420 time! is not an address  

Answer 3

这是我使用的：

(\d{1,10}( \w+){1,10}( ( \w+){1,10})?( \w+){1,10}[,.](( \w+){1,10}(,)? [A-Z]{2}( [0-9]{5})?)?) 

它并不完美，也不匹配边缘情况，但它适用于大多数常规输入的地址和部分地址。

它在文本中查找地址，例如

嗨！我的地址为 12567 Some St. Fairfax, VA。来找我吧！

some text 12567 Some St. is my home

其他 123 My Street Drive, Fairfax VA 22033

希望这对某人有帮助

Answer 4

\d{1,4}( \w+){1,3},( \w+){1,3} [A-Z]{2}

尚未完全测试，但应该可以工作。只需将其与 re 中您最喜欢的函数一起使用即可（例如 re.findall）。假设：

1. 门牌号的长度可以在 1 到 4 位数字之间，
2. 门牌号后面有 1-3 个单词，并且全部用空格分隔
3. 城市名称为 1-3 个单词（需要匹配 Cupertino、Los Angeles 和 San Luis Obispo）

Answer 5

好的，基于 Mike Bethany 和 Rafe Kettler 非常有帮助的回复（谢谢！）
我知道这个 REGEX 适用于 python 和 ruby​​。
/[0-9]{1,4} (.), (.) [a-zA-Z]{2} [0-9]{5}/

Ruby 代码 -结果位于 12 Argonaut Lane, Lexington MA 02478

myregex=Regexp.new(/[0-9]{1,4} (.*), (.*) [a-zA-Z]{2} [0-9]{5}(-[0-9]{4})?/)

print "We're Having a pizza party at 12 Argonaut Lane, Lexington MA 02478 Come join the party!".match(myregex)

Python 代码 - 工作方式不太一样，但这是基本代码。

import re
myregex = re.compile(r'/[0-9]{1,4} (.*), (.*) [a-zA-Z]{2} [0-9]{5}(-[0-9]{4})?/')
search = myregex.findall("We're Having a pizza party at 12 Argonaut Lane, Lexington MA 02478 Come join the party!")

Answer 6

如前所述，地址的格式非常自由。与 REGEX 方法相比，提供准确、标准化地址数据的服务怎么样？我在 SmartyStreets 工作，我们提供了一个 API 来完成这件事。只需一个简单的 GET 请求，您就可以解析您的地址。尝试这个 python 示例（您需要开始试用）：

https://github.com/smartystreets/smartystreets-python-sdk/blob/主/示例/us_street_single_address_example.py