Python中如何从地址字符串提取城市与州缩写？

问题分析 #

你遇到的核心问题是两个地址格式不一致：第一个地址的城市后带逗号，第二个没有，导致固定索引的rsplit(" ")[-2]方法失效（第二个地址用该方法会拿到San而非CA）。需要用更灵活的方式匹配地址中的城市和州缩写。

解决方案：正则表达式匹配 #

利用美国地址的固定结构（州缩写为2个大写字母，邮编为5位数字），用正则表达式可以同时提取城市和州缩写，完美适配两种地址格式。

代码实现 #

import re

# 待处理的地址列表
addresses = [
    "500 Rahway Avenue, Westfield, NJ 07090",
    "910 N Harbor Drive, San Diego CA 92101"
]

# 正则模式解析：
# (?:,\s*)? 匹配可选的逗号加空格（兼容两种地址格式）
# ([A-Za-z\s]+?) 捕获城市（字母+空格组合，非贪婪匹配避免多取内容）
# ([A-Z]{2}) 捕获州缩写（固定2个大写字母）
# \s+\d{5} 匹配邮编前的空格和5位数字
pattern = r'(?:,\s*)?([A-Za-z\s]+?)\s+([A-Z]{2})\s+\d{5}'

cities = []
states = []

for addr in addresses:
    match_result = re.search(pattern, addr)
    if match_result:
        # 去除城市字符串首尾可能的冗余空格
        cities.append(match_result.group(1).strip())
        states.append(match_result.group(2))

# 输出第一组（城市）
print("第一组：")
for idx, city in enumerate(cities, 1):
    print(f"{idx}){city}")

# 输出第二组（州缩写）
print("\n第二组：")
for idx, state in enumerate(states, 1):
    print(f"{idx}){state}")

运行结果 #

第一组：
1)Westfield
2)San Diego

第二组：
1)NJ
2)CA

替代思路：字符串分步处理 #

如果不想用正则，也可以通过字符串操作分步处理：

1. 先移除地址中的所有逗号，统一格式
2. 按空格分割字符串，取最后一个元素（邮编）的前一个元素作为州缩写
3. 从分割后的列表中，截取从最后一个逗号后的第一个元素到州缩写前的部分作为城市

不过这种方法适配性较弱，若地址出现更多变体（比如带4位扩展邮编），正则的容错性会更强。

内容的提问来源于stack exchange，提问作者pp45