如何從地址中提取省市區？

假設我們通過爬蟲獲取了上萬條不規范的地址信息：

杭州市濱江區網商路599號東城區和平里街道上海市徐匯區 xx 小區...

現在老板想讓你把這些地址統一格式化為標准的省市區地址格式，並寫入到 Excel 中。你應該如何操作？

有一個庫，叫做 cpca，可以非常方便地解決這個問題。我們來寫一段非常簡單的代碼，看看這個庫有多簡單：

import cpca

address_list = '''杭州市濱江區網商路599號
東城區和平里街道
上海市徐匯區 xx 小區'''.split('\n')

df = cpca.transform(address_list)
print(df)

 

 

這個庫能自動根據你寫的部分地址，推測出這個地址所在的省市區。即使你把省市區省略了一部分，或者是使用簡稱，它也能識別出來，如下圖所示：

 

 

cpca.transform返回的是一個 Pandas 的 DataFrame 對象，我們可以調用它的.to_csv()直接生成 csv 文件。如果我們再安裝一個第三方庫openpyxl，還可以直接生成 Excel 文件，如下圖所示：

 

 

大家可以訪問 GitHub - DQinYuan/chinese_province_city_area_mapper: 一個用於提取簡體中文字符串中省，市和區並能夠進行映射，檢驗和簡單繪圖的python模塊^[1]查看更多用法，包括如何處理不同城市的同名區，並且還可以繪制熱力圖。

參考資料

[1]

GitHub - DQinYuan/chinese_province_city_area_mapper: 一個用於提取簡體中文字符串中省，市和區並能夠進行映射，檢驗和簡單繪圖的python模塊: https://github.com/DQinYuan/chinese_province_city_area_mapper

 

 

轉自：微信公眾號：未聞code