如何在 python 中使用 NLTK 从原始文本中提取地址？答案

【问题标题】：How can I extract address from raw text using NLTK in python?如何在 python 中使用 NLTK 从原始文本中提取地址？
【发布时间】：2016-06-10 10:22:08
【问题描述】：

我有这段文字

'''嗨，Sam D. Richards 先生住在这里，44 West 22nd Street, New 约克，纽约 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'''

。如何使用 NLTK 从上述文本中提取地址部分？我试过Stanford NER Tagger，它只给了我New York作为位置。如何解决？

【问题讨论】：

大多数人都会尝试常规的expressions。除此之外，在 SO 上的简短搜索将为您提供大量 inspiration。
谢谢！这让我有了一些开始。
请采纳答案
patrick，那个在 php 中
这是一个非常可靠的python, nltk write up。在我自己实现之后，我会在此处将其输入到带有摘要的答案中。

标签： python nltk stanford-nlp street-address

【解决方案1】：

绝对是正则表达式:)

类似

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']

说明：

[0-9]{1,3}：1到3位数字，地址号码

(space)：号码和街道名称之间有一个空格

.+：街道名称，任意出现次数的任意字符

,：城市前的一个逗号和一个空格

.+: 城市，任意出现次数的任意字符

,：状态前的逗号和空格

[A-Z]{2}: 从 A 到 Z 正好 2 个大写字符

[0-9]{5}：5 位数字

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

【讨论】：

深入清晰的解释。我可以在哪里学习这个正则表达式的详细信息
有什么方法可以使用 Node.js，而不是 python @Alex 从文本中检测地址
@Lakshmi 是同样的方法，只是复制正则表达式
我总是觉得 regex101.com 很有帮助

【解决方案2】：

Pyap 不仅适用于这个特定示例，而且适用于文本中包含的其他地址。

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

【讨论】：

【解决方案3】：

结帐libpostal，一个专门用于地址提取的库

它不能从原始文本中提取地址，但可能有助于相关任务

【讨论】：

Libpostal 用于规范化已经被识别为地址的字符串，这是一个完全不同的任务。