如何在Python中按指定词汇拆分地址并提取街道、城市和州

我有如下嵌套地址列表：

addresses = [['123 Abc Ave Santa Monica, CA'], ['595 Apts 76 Box Rd Washington, DC'],['Avalon Apts 34 Plain St Dallas, TX']]

我希望拆分这些地址，分别提取街道地址、城市和州，目标结果如下：

street_add = ['123 Abc Ave', '76 Box Rd', '34 Plain St']
city =  ['Santa Monica', 'Washington', 'Dallas']
state =  ['CA', 'DC', 'TX']

我尝试用指定词汇列表拆分，但无法保留拆分的词汇：

# trails = ("(St)", "(Street)", "(Dr)", "(Drive)", "(Avenue)", "(Ave)", "(Court)", "(Road)")
trails = ("St", "Street", "Dr", "Drive", "(Avenue)", "(Ave)", "(Court)", "(Road)")

# \b means word boundaries.
regex = r"\b(?:{}).*".format("|".join(trails))
addresses = [re.split(regex, y) for x in addresses for y in x]

但得到的结果是：

[['123 Abc ', None, None, None, None, ''], ['76 Box', 'Road', None, None, None, ''], ['34 Plain', None, None, None, None, '']]

请问如何正确拆分出街道地址、城市和州？

解决方案 #

思路分析 #

你的地址结构有明确规律：无关前缀 + 街道地址（含数字和街道后缀如Ave/Rd/St） + 城市（1-2个单词） + 逗号 + 州（2位大写字母）。直接用正则表达式捕获目标内容，比拆分字符串更精准可靠。

实现代码 #

import re

addresses = [['123 Abc Ave Santa Monica, CA'], ['595 Apts 76 Box Rd Washington, DC'],['Avalon Apts 34 Plain St Dallas, TX']]

street_add = []
city = []
state = []

# 正则模式：匹配无关前缀、街道、城市、州，仅捕获目标部分
pattern = r".*?(\d+ .+?(?:St|Street|Dr|Drive|Avenue|Ave|Court|Road)) (\w+(?: \w+)?), ([A-Z]{2})"

for addr_group in addresses:
    addr = addr_group[0]
    match_result = re.match(pattern, addr)
    if match_result:
        street_add.append(match_result.group(1))
        city.append(match_result.group(2))
        state.append(match_result.group(3))

# 输出结果
print(f"street_add = {street_add}")
print(f"city = {city}")
print(f"state = {state}")

代码说明 #

• .*?：非贪婪匹配开头的无关内容（如595 Apts、Avalon Apts），避免干扰街道地址的捕获
• (\d+ .+?(?:St|Street|...))：捕获街道地址，确保包含数字开头和指定的街道后缀，非捕获组(?:)用于统一匹配后缀但不单独捕获
• (\w+(?: \w+)?)：捕获城市，支持单个或多个单词（如Santa Monica）
• ([A-Z]{2})：捕获州，匹配2位大写字母

运行结果 #

street_add = ['123 Abc Ave', '76 Box Rd', '34 Plain St']
city = ['Santa Monica', 'Washington', 'Dallas']
state = ['CA', 'DC', 'TX']

原代码问题分析 #

你之前用re.split的方式存在两个核心问题：

1. 正则中的(?:)是非捕获组，split后不会保留匹配到的街道后缀（如Ave/Rd）
2. trails列表里的(Avenue)带括号，导致正则匹配时会寻找带括号的字符串，和实际地址中的Ave不匹配，从而拆分失败

内容的提问来源于stack exchange，提问作者mjoy