Question

这里很简单，我正在寻找一个轻量级的库，它允许我查找给定邮政编码的城市/州配对。我正在使用django FWIW。提前谢谢。

Answer 1

试试pyzipcode。主页上的一个例子：

>>> from pyzipcode import ZipCodeDatabase
>>> zcdb = ZipCodeDatabase()
>>> zipcode = zcdb[54115]
>>> zipcode.zip
u'54115'
>>> zipcode.city
u'De Pere'
>>> zipcode.state
u'WI'
>>> zipcode.longitude
-88.078959999999995
>>> zipcode.latitude
44.42042
>>> zipcode.timezone
-6

Answer 2

使用此库uszipcode。

优点：

数据是最新的，超级丰富的信息，比zipcode和pyzipcode以及任何其他python邮政编码库更丰富，更新。
查询非常简单，您可以使用20多种内置查询模式。您可以随意自定义查询。
支持城市和州的模糊字符串匹配。您不需要使用确切的名称。

>>> from uszipcode import ZipcodeSearchEngine
>>> search = ZipcodeSearchEngine()
>>> zipcode = search.by_zipcode("10001")
>>> print(zipcode)
{
    "City": "New York", 
    "Density": 34035.48387096774, 
    "HouseOfUnits": 12476, 
    "LandArea": 0.62, 
    "Latitude": 40.75368539999999, 
    "Longitude": -73.9991637, 
    "NEBoundLatitude": 40.8282129, 
    "NEBoundLongitude": -73.9321059, 
    "Population": 21102, 
    "SWBoundLatitude": 40.743451, 
    "SWBoungLongitude": -74.00794499999998, 
    "State": "NY", 
    "TotalWages": 1031960117.0, 
    "WaterArea": 0.0, 
    "Wealthy": 48903.42702113544, 
    "Zipcode": "10001", 
    "ZipcodeType": "Standard"
}

# fuzzy city, state search, case insensitive, spelling mistake tolerant
# all zipcode in new york
>>> result = search.by_city_and_state(city="newyork", state="NY")
>>> search.export_to_csv(result, "result.csv")

非常容易构建高级搜索

>>> result = search.find(city="new york", 
... wealthy=100000, sort_by="Wealthy", ascending=False, returns=10)

Answer 3

PYPI上最新版本的pyzipcode容易受到SQL注入攻击，因此使用this fork可能更好，这似乎解决了这些问题。

Answer 4

我构建了Zipcodes来删除所有其他邮政编码库对SQLite的依赖。 SQLite在AWS Lambda环境中不可用，因此该库在包含有关美国邮政编码信息的gzip压缩JSON文件上提供了一个轻量级，功能强大的查询界面。以下是一些例子：

匹配

>>> # Handles of Zip+4 zip-codes nicely. :)
>>> pprint(zipcodes.matching('77429-1145'))
[{'zip_code': '77429',
  'zip_code_type': 'STANDARD',
  'city': 'CYPRESS',
  'state': 'TX',
  'lat': 29.96,
  'long': -95.69,
  'world_region': 'NA',
  'country': 'US',
  'active': True}]

有效期：

>>> # Whether the zip-code exists within the database.
>>> print(zipcodes.is_valid('06463'))
False

相似度：

>>> # Search for zipcodes that begin with a pattern.
>>> pprint(zipcodes.similar_to('0643'))
[{'active': True,
  'city': 'GUILFORD',
  'country': 'US',
  'lat': 41.28,
  'long': -72.67,
  'state': 'CT',
  'world_region': 'NA',
  'zip_code': '06437',
  'zip_code_type': 'STANDARD'},
 {'active': True,
  'city': 'HADDAM',
  'country': 'US',
  'lat': 41.45,
  'long': -72.5,
  'state': 'CT',
  'world_region': 'NA',
  'zip_code': '06438',
  'zip_code_type': 'STANDARD'},
... # remaining results truncated for readability...
]

高级过滤：

>>> # Arbitrary nesting of similar_to and filter_by calls, allowing for great precision while filtering.
>>> pprint(zipcodes.similar_to('2', zips=zipcodes.filter_by(zipcodes.list_all(), active=True, city='WINDSOR')))
[{'active': True,
  'city': 'WINDSOR',
  'country': 'US',
  'lat': 33.48,
  'long': -81.51,
  'state': 'SC',
  'world_region': 'NA',
  'zip_code': '29856',
  'zip_code_type': 'STANDARD'},
 {'active': True,
  'city': 'WINDSOR',
  'country': 'US',
  'lat': 36.8,
  'long': -76.73,
  'state': 'VA',
  'world_region': 'NA',
  'zip_code': '23487',
  'zip_code_type': 'STANDARD'},
 {'active': True,
  'city': 'WINDSOR',
  'country': 'US',
  'lat': 36.0,
  'long': -76.94,
  'state': 'NC',
  'world_region': 'NA',
  'zip_code': '27983',
  'zip_code_type': 'STANDARD'}]

轻量级python库按邮政编码查询城市/州名称？

4 个答案:

匹配

有效期：

相似度：

高级过滤：