Python 正则表达式 - 地址解析

Question

我正在尝试解析两种类型的单行地址字符串：

Flat XXX, XXX <Building name>, <City/town>, <State> <Postcode>

DDD <Generic place name>, <Road name> road, <City/town>, <State>

使用以下正则表达式

re.search(r'(Flat \w+)?\W*(.+)\W*([a-zA-Z]{1,2}\d+\s+\d+[a-zA-Z]{1,2})?

这里XXX 是一些字母数字字符串，DDD 是一个数字。如果地址属于第一种类型，我希望第 1 组为Flat XXX，否则为None，如果地址属于第一种类型，则第 2 组为XXX <Building name>, <City/town>, <State>，如果属于第二种类型，我希望第 2 组为<Road name> road, <City/town>, <State>类型，如果地址属于第一种类型，则第 3 组为邮政编码，否则为None。邮政编码是一个英国邮政编码，我的正则表达式（不完全准确，但对我的目的来说大部分是正确的）是[a-zA-Z]{1,2}\d+\s+\d+[a-zA-Z]{1,2}。忽略大小写，Flat XXX（如果存在）和<Building name>之间可能没有逗号，城市和邮政编码之间可能有逗号（如果存在）。

>>> address1 = 'Flat 29, Victoria House, Redwood Lane, Richmond, London SW14 9XY'
>>> re.search(r'(Flat \w+)?\W*(.+)\W*([a-zA-Z]{1,2}\d+\s+\d+[a-zA-Z]{1,2})?', address1, re.I).groups()
>>> ('Flat 29', 'Victoria House, Redwood Lane, Richmond, London SW14 9XY', None)
>>> address2 = '91 Fleet, Major Road, Fleet, Hampshire'
>>> re.search(r'(Flat \w+)?\W*(.+)\W*([a-zA-Z]{1,2}\d+\s+\d+[a-zA-Z]{1,2})?', address2, re.I).groups()
>>> (None, '91 Fleet, Major Road, Fleet, Hampshire', None)

我不确定出了什么问题，但我认为中间群体..\W*(.+)\W*.. 或多或少地捕捉到了一切。

Answer 1

它不是特别优雅，但这里有一个解决方法（假设<State> 不包含任何数字）：

import re
addresses = ['Flat 29, Victoria House, Redwood Lane, Richmond, London SW14 9XY',
             '91 Fleet, Major Road, Fleet, Hampshire']

regexp = re.compile(r'(Flat \w+)?[,\s]*(.*)\s([a-zA-Z]{1,2}\d+\s?+\d+[a-zA-Z]{1,2}|\D*)$', re.I)

for address in addresses:
    sep_addr = list(re.search(regexp, address).groups())
    if not any(x.isdigit() for x in sep_addr[2]):
        sep_addr[1] +=  ' ' + sep_addr[2]
        sep_addr[2] = None
    print sep_addr

我们将第 2 组设置为邮政编码或所提供地址中的最后一个单词。然后通过检查我们第二组的结果中是否有任何数字，我们知道它是否是邮政编码。如果不是，我们追加到组 1 以提供完整的地址部分，并将组 2 设置为 None。这返回：

['Flat 29', 'Victoria House, Redwood Lane, Richmond, London', 'SW14 9XY']
[None, '91 Fleet, Major Road, Fleet, Hampshire', None]

编辑：在邮政编码中间的空格中添加了一个可选选项，以确保仍然匹配无空格的邮政编码。