如何在python中使用NLTK从原始文本中提取地址？

Question

我有这个文字

  

＆＃39;＆＃39;嗨，Sam D. Richards先生住在这里，新西44街22号   约克，纽约州12345 。你现在可以联系他吗？如果您需要任何帮助，请致电   我在12345678＆＃39;＆＃39;＆＃39;

。如何使用NLTK从上面的文本中提取地址部分？我尝试了Stanford NER Tagger，它只给我New York作为位置。怎么解决这个问题？

Answer 1

绝对正则表达式：）

像

这样的东西

import re

txt = ...
regexp = "[0-9]{1,3} .+, .+, [A-Z]{2} [0-9]{5}"
address = re.findall(regexp, txt)

# address = ['44 West 22nd Street, New York, NY 12345']

<强>解释

[0-9]{1,3}：1到3位数字，地址编号

(space)：号码和街道名称之间的空格

.+：街道名称，任意出现次数的任何字符

,：城市前的逗号和空格

.+：city，任意次数的任何字符

,：状态前的逗号和空格

[A-Z]{2}：从A到Z正好有2个大写字符

[0-9]{5}：5位

re.findall(expr, string)将返回一个包含所有匹配项的数组。

Answer 2

Pyap不仅适用于此特定示例，而且也适用于文本中包含的其他地址。

text = ...
addresses = pyap.parse(text, country='US')

Answer 3

结帐libpostal，专用于地址提取的库