在R语言中标准化地址格式：移除邮编后可变内容

在R中可以通过正则表达式结合sub()函数实现这个需求，核心思路是匹配并保留到5位美国邮编为止的内容，丢弃后续所有字符。

实现代码 #

addresses <- c("515 DUMMY 1 75253 69AP",
               "1000 DUMMY 2  75211",
               "3948 DUMMY 3 75217 69Q",
               "4545 DUMMY 4 75217 MAP 68C")

# 清理邮编后的内容
cleaned_addresses <- sub("(.*\\b\\d{5})\\b.*", "\\1", addresses)

# 查看结果
cleaned_addresses

正则表达式说明 #

• (.*\\b\\d{5})：捕获组，匹配任意字符（.*）直到遇到一个5位数字的完整单词（\\b\\d{5}，\\b是单词边界，确保匹配的是独立的5位邮编，不会误匹配地址中包含5位数字的其他部分）。
• \\b.*：匹配邮编之后的所有字符（.*），前面的\\b确保从邮编的结束位置开始匹配。
• \\1：替换为第一个捕获组的内容，也就是保留到邮编为止的部分。

运行结果 #

执行后会得到你期望的格式：

[1] "515 DUMMY 1 75253"   "1000 DUMMY 2  75211" "3948 DUMMY 3 75217" 
[4] "4545 DUMMY 4 75217"

内容的提问来源于stack exchange，提问作者Nathanial O'Dell