在python中将地址设置为门牌号、街道、城市、州

Question

我有10亿个地址，它们的格式有点糟糕，比如：

'12-as FS street, 456 DLGG Area, Rand. District, Sydney, Australia 32 1020203'

我需要像一样的输出

Column1:12AS
Column2: FS 456 DLGG Area
Column3: Rand
Column4: Sydney
Column5: Australia
Column6: 32
Column7: 1020203

所以基本上我需要将它们分离为house number, address line, state, country, statecode, pincode，并删除像street, district, countryside, road etc这样的单词。

此外，我还需要搜索超过特定阈值的最频繁单词。

Answer 1

您只需要编写一个解析器。它的代码将取决于数据。除非有人为您的特定数据格式编写了解析器。

即时问题列表（不完整）：1） 逗号是所有行的分隔符吗？2） 逗号是否用于值内部（例如街道名称内部）？3） 要删除的所有单词列表（道路、街道、大道等）4） 地址可以是"房屋名称"的形式，而不是带号码的街道吗？

这是一个带有一些学习功能的地址解析器的随机示例：https://github.com/datamade/usaddress

如果您的格式和需求与现有的解析器不完全匹配，那么您必须自己编写。