从python中的字符串获取city、state或zip

只需询问他们的邮政编码,然后使用地理代码数据库给出一个(简短的)适用城市列表。这样你就能得到干净的5位数输入,节省时间,而且你们都回家很开心。

如果您已经有了数据,只需查找zip,找到可能的城市列表(只有一个适用的州),并在将所有内容都小写后匹配城市名称。

您可以使用地理编码web服务或类似的东西。例如,在 Yahoo geocoding API 第页,它显示了如何通过多种方式指定地址:

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

XML结果提供了解析后的地址,例如 test URL 在页面上指定。

我会用 ([^\d]+)?(\d{5})? 作为我的正则表达式,并使用 match 所以它只匹配字符串的开头。这样,它就不会因输入错误而失败,并能对其意图做出最佳猜测。然后可以在“,”上拆分第一个捕获组。

1. easy_install ngram

2. 生成文件,每行一个城市和州名称,放入city state.data 加利福尼亚州红木市 VA Redwood 等

3. 实验(0.2的门槛有点松懈)

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
)

例子 :

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

笔记: 因为这些是ngram,当这个州是城市ngram的一部分时,你可能会超过它。 也就是说,寻找“华盛顿”会让华盛顿得到比“华盛顿好”更好的分数

你可能还想读 Using Superimposed Coding Of N-Gram Lists For Efficient Inexact Matching (PDF下载)

这段代码似乎可以满足您的需要:

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”和其他两个词的州/市留给读者的练习:)

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