You need to enable JavaScript to run this app. Python如何从字符串中提取有效地址并剔除无关垃圾内容
优惠活动
大模型
产品
解决方案
定价
更多

Python如何从字符串中提取有效地址并剔除无关垃圾内容

方案1:基于libpostal解析结果反向拼接干净地址

你当前已经能拿到包含少量冗余的粗地址片段,不需要提前剔除垃圾,直接把粗片段喂给libpostal,它会自动识别其中属于地址的组件、忽略无关内容,之后按西班牙地址的标准顺序拼接即可,代码示例:

from postal.parser import parse_address

# 你之前拿到的带垃圾的粗地址片段
raw_candidate = "cilio social de la Compañía, Avenida de Burgos, 109 - 28050 Madrid (Indicar Aseso"

# 解析得到地址组件
addr_components = parse_address(raw_candidate)

# 按西班牙地址的通用顺序(街道→门牌号→邮编→城市)筛选拼接
component_order = ['road', 'house_number', 'postcode', 'city']
addr_map = {v: k for k, v in addr_components}
clean_addr = ', '.join([addr_map[comp] for comp in component_order if comp in addr_map])
print(clean_addr)
# 输出结果:Avenida de Burgos, 109, 28050, Madrid

该方案成本最低,直接复用你现有流程,无需引入额外依赖。

方案2:使用面向地址提取的专用NER模型

替换通用LOC识别的NER模型,使用专门标注了地址各要素(街道、门牌号、邮编、城市等)的预训练模型,直接提取完整地址:

  • 可选择spaCy训练的西班牙地址识别预训练模型,直接返回结构化的地址片段,不需要手动截取字符范围
  • 也可在stanza的基础上微调地址要素识别任务,标注少量西班牙地址样本即可获得很高的识别准确率

方案3:使用规则辅助的地址边界识别

在你现有stanza NER识别到LOC实体的基础上,通过判断地址边界特征自动调整截取范围:

  • 地址的起始位置通常是街道类型前缀(西班牙地址常见前缀:Avenida、Calle、Plaza、Camino等),识别到这些关键词就作为地址左边界
  • 地址的结束位置通常是邮编加城市之后,遇到括号、句号、破折号等非地址符号就作为右边界
    代码示例:
# 西班牙地址常见街道前缀
street_prefixes = {'avenida', 'calle', 'plaza', 'camino', 'pasaje', 'carretera'}
doc = nlp(text)

for ent in doc.ents:
    if ent.type == 'LOC':
        # 向左查找最近的街道前缀作为左边界
        left_idx = 0
        for prefix in street_prefixes:
            pos = text.lower().rfind(prefix, 0, ent.start_char)
            if pos > left_idx:
                left_idx = pos
        # 向右查找最近的特殊符号作为右边界
        right_markers = {'(', ')', '.', ';', '–', '-'}
        right_idx = len(text)
        for marker in right_markers:
            pos = text.find(marker, ent.end_char)
            if pos != -1 and pos < right_idx:
                right_idx = pos
        # 截取干净地址
        clean_addr = text[left_idx:right_idx].strip()
        print(clean_addr)
        # 输出结果:Avenida de Burgos, 109 - 28050 Madrid

内容的提问来源于stack exchange,提问作者miguelik

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.12 03:00:01