Question

我希望能够从python中的字符串中解析出城市，州或邮政编码。所以，如果我进入

Boulder，Co
80303个
博尔德，科罗拉多州博尔德，Co 80303
......

这些的任何变化都将返回城市，州或邮编。

这都是用户输入的数据并输入到一个文本字段中。

Answer 1

只询问他们的拉链，然后使用地理编码数据库提供适用城市的（简短）列表。通过这种方式，您可以获得干净的5位数输入，他们可以节省时间，并且您都可以快乐回家。

如果您已有数据，请查看zip，查找可能的城市列表（只有一个适用的州），并在将所有内容设为小写后匹配城市名称。

Answer 2

您可以使用地理编码网络服务或类似的东西。例如，在Yahoo geocoding API页面上，它显示了如何以多种方式指定地址：

This free field lets users enter any of the following:
    city, state
    city, state, zip
    zip
    street, city, state
    street, city, state, zip
    street, zip

并且XML结果提供解析的地址，例如在页面上指定此test URL。

Answer 3

我会使用([^\d]+)?(\d{5})?作为我的正则表达式，并使用match因此它只匹配字符串的开头。通过这种方式，它不会因输入错误而失败，并会对预期内容做出最佳猜测。然后，您可以将第一个捕获组拆分为“，”。

Answer 4

easy_install ngram
使用所有城市和州名称构建文件，每行一个，放在citystate.data中红木城，加利福尼亚州弗吉尼亚州雷德伍德等
实验（.2门槛稍微宽松）

import string
import ngram
cityStateParser = ngram.NGram(
  items = (line.strip() for line in open('citystate.data')) ,
  N=3, iconv=string.lower, qconv=string.lower,  threshold=.2
)

示例：

cityStateParser.search('redwood') [('Redwood VA', 0.5), ('Redwood NY', 0.5), ('Redwood MS', 0.5), ('Redwood City CA', 0.36842105263157893), ... ]

注意：因为这些是NGrams，当州是城市中的ngram的一部分时，你可能会得到超越即搜索“华盛顿”将获得华盛顿IN，其得分低于“华盛顿OK”

您可能还需要阅读Using Superimposed Coding Of N-Gram Lists For Efficient Inexact Matching（PDF下载）

Answer 5

此代码似乎可以满足您的需求：

text = """
Boulder, Co
80303
Boulder, Colorado
Boulder, Co 80303
"""

lines = text.splitlines()

ABBREV = dict(co="Colorado", ca="California")
STATES = ABBREV.values()

def parse_addr(line):
    addr = {}
    # normalize commas
    parts = line.replace(",", " ").split()
    for part in parts:
        if part.capitalize() in STATES:
            addr["state"] = part
        elif part.lower() in ABBREV:
            addr["state"] = ABBREV[part.lower()]
        else:
            try:
                zip = int(part)
                addr["zip"] = part
            except ValueError:
                addr["city"] = part
    return addr

for line in lines:
    print line, parse_addr(line)

输出：

Boulder, Co {'city': 'Boulder', 'state': 'Colorado'}
80303 {'zip': '80303'}
Boulder, Colorado {'city': 'Boulder', 'state': 'Colorado'}
Boulder, Co 80303 {'city': 'Boulder', 'state': 'Colorado', 'zip': '80303'}

处理“南达科他州”和其他两个字的州/城市作为读者的练习：）

正如其他海报所建议的那样，你可以变得聪明并使用邮政编码来缩小城市/州的范围。

从python中的字符串获取city，state或zip

5 个答案: