将街道地址变成组件答案

【问题标题】：Turn Street Address Into Components将街道地址变成组件
【发布时间】：2019-03-19 18:12:32
【问题描述】：

我有从 SQL 中提取的地址数据，现在已加载到 R 中。我正在尝试提取各个组件，即查询末尾的 ZIP-CODE（状态也很好）。我希望 ZIP-CODE 和 State 出现在新的单独列中。

主要问题是邮政编码有时是 5 位数，有时是 9。

两个示例行是：

Address_FULL
1234 NOWHERE ST WASHINGTON DC 20005
567 EVERYWHERE LN CHARLOTTE NC 22011-1203

我怀疑我需要某种正则表达式\\d{5} 表示法，或者在我不知道存在的 dplyr 中进行某种花哨的操作。

【问题讨论】：

预期输出是什么？
使用正则表达式解析地址时要非常小心。本文解释了使用正则表达式进行解析时可能出现的问题。 smartystreets.com/articles/…

标签： r regex dplyr street-address

【解决方案1】：

如果邮政编码总是在最后，你可以使用

str_extract(Address_FULL,"[[:digit:]]{5}(-[[:digit:]]{4})?$")

要通过dplyr 添加“zip”列，您可以使用

df %>% mutate(zip = str_extract(Address_FULL,"[[:digit:]]{5}(-[[:digit:]]{4})?$"))

df 是您的数据框，其中包含 Address_FULL 和 str_extract() 来自stringr。

状态可以如下提取：

str_extract(Address_FULL,"(?<=\\s)[[:alpha:]]{2}(?=\\s[[:digit:]]{5})")

但是，这做了以下假设：

州缩写为 2 个字符
州缩写后紧跟一个空格
邮政编码紧跟在州后面的空格之后

【讨论】：

【解决方案2】：

假设zip总是在最后，你可以试试：

tail(unlist(strsplit(STRING, split=" ")), 1)

例如

ex1 = "1234 NOWHERE ST WASHINGTON DC 20005"
ex2 = "567 EVERYWHERE LN CHARLOTTE NC 22011-1203"

> tail(unlist(strsplit(ex1, split=" ")), 1)
[1] "20005"

> tail(unlist(strsplit(ex2, split=" ")), 1)
[1] "22011-1203"

【讨论】：

这实际上工作得很好，因为分隔符总是一个空格。然后我可以为提取状态做同样的事情。感谢您的帮助。

【解决方案3】：

使用我的包tfwstring

自动适用于任何地址类型，包括前缀和后缀。

if (!require(remotes)) install.packages("remotes")
remotes::install_github("nbarsch/tfwstring")

parseaddress("1234 NOWHERE ST WASHINGTON DC 20005", force_stateabb = F)

     AddressNumber         StreetName StreetNamePostType          PlaceName          StateName            ZipCode 
            "1234"          "NOWHERE"               "ST"       "WASHINGTON"               "DC"            "20005"

parseaddress("567 EVERYWHERE LN CHARLOTTE NC 22011-1203", force_stateabb = F)

     AddressNumber         StreetName StreetNamePostType          PlaceName          StateName            ZipCode 
             "567"       "EVERYWHERE"               "LN"        "CHARLOTTE"               "NC"       "22011-1203"

【讨论】：