如何方便快捷地从杂乱地址中提取省市区？

“

阅读本文大概需要 1 分钟。

”

假设我们通过爬虫获取了上万条不规范的地址信息：

杭州市滨江区网商路599号
东城区和平里街道
上海市徐汇区 xx 小区
...

现在老板想让你把这些地址统一格式化为标准的省市区地址格式，并写入到 Excel 中。你应该如何操作？

有一个库，叫做 cpca，可以非常方便地解决这个问题。我们来写一段非常简单的代码，看看这个库有多简单：

import cpca


address_list = '''杭州市滨江区网商路599号
东城区和平里街道
上海市徐汇区 xx 小区'''.split('\n')


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

这个库能自动根据你写的部分地址，推测出这个地址所在的省市区。即使你把省市区省略了一部分，或者是使用简称，它也能识别出来，如下图所示：

cpca.transform返回的是一个 Pandas 的 DataFrame 对象，我们可以调用它的.to_csv()直接生成 csv 文件。如果我们再安装一个第三方库openpyxl，还可以直接生成 Excel 文件，如下图所示：

大家可以访问 GitHub - DQinYuan/chinese_province_city_area_mapper: 一个用于提取简体中文字符串中省，市和区并能够进行映射，检验和简单绘图的python模块^[1]查看更多用法，包括如何处理不同城市的同名区，并且还可以绘制热力图。

参考资料

[1]

GitHub - DQinYuan/chinese_province_city_area_mapper: 一个用于提取简体中文字符串中省，市和区并能够进行映射，检验和简单绘图的python模块: https://github.com/DQinYuan/chinese_province_city_area_mapper

好文和朋友一起看~