如何将含转义\n的地址数据拆分提取为地址、城市、邮编等独立字段

核心逻辑 #

你手头的地址是标准的三段式美国地址结构，按固定格式拆分即可：

• 第一段换行前内容为地址详情
• 第二段由「城市, 州缩写 邮编」组成
• 第三段为国家代码

具体实现步骤 #

1. 预处理字符串：统一转义格式，把\\n替换回\n，兼容转义和原始两种输入格式
2. 按\n切割字符串，得到3个独立片段，分别对应地址行、城市州邮编行、国家
3. 处理城市州邮编行：先按英文逗号切分得到城市名，逗号后剩余内容按空格切分，分别得到州缩写和邮编

示例代码（Python） #

def parse_us_address(raw_address: str) -> dict:
    # 兼容转义/未转义两种输入格式
    formatted_address = raw_address.replace("\\n", "\n").strip()
    addr_segments = formatted_address.split("\n")
    # 校验地址格式合法性
    if len(addr_segments) != 3:
        raise ValueError("输入地址不符合三段式标准US地址格式")
    
    addr_line, city_state_zip, country = addr_segments
    # 拆分城市、州、邮编
    city, state_zip_part = city_state_zip.split(",", 1)
    state, zip_code = state_zip_part.strip().split()
    
    return {
        "地址": addr_line.strip(),
        "城市": city.strip(),
        "州": state.strip(),
        "邮编": zip_code.strip(),
        "国家": country.strip()
    }

# 测试用例
if __name__ == "__main__":
    # 转义后格式测试
    test_escaped = "132 Leo Lane Apt. 516\\nThe Colony, TX 76156\\nUS"
    print(parse_us_address(test_escaped))
    # 原始格式测试
    test_raw = "11 w 1120 ave.\nLombard, IL 12348\nUS"
    print(parse_us_address(test_raw))

注意事项 #

• 上述方案仅适配你给出的标准格式地址，如果存在城市名带逗号、地址行有多个换行、非美国地址等情况，需要额外增加边缘 case 兼容逻辑
• 如果地址数据格式杂、数据量大，可直接使用成熟的地址解析库比如usaddress，不用自行维护拆分规则

内容的提问来源于stack exchange，提问作者chewie