如何利用Excel内置功能或Python库实现不规则俄文地址数据的标准化格式化？

看起来你手里的俄文地址数据格式真的挺混乱的——邮编混在任意位置、大小写不统一、缩写和前缀的顺序颠三倒四，想要整理成规整的格式确实让人头大！我来给你分享两种实用的解决思路，不管是用Excel内置功能手动整理，还是用Python写代码批量处理，都能帮你搞定问题。

一、用Excel内置功能手动处理（适合数据量不大的情况） #

如果你的数据行数不多，用Excel的自带功能慢慢清理也能达到效果，步骤如下：

• 步骤1：拆分数据
  选中地址列，用「数据」选项卡下的「文本分列」功能，按「逗号」作为分隔符，把每个地址元素拆分到单独的列里。
• 步骤2：清理冗余内容
  用TRIM()函数去掉每个单元格的多余空格，比如在辅助列输入=TRIM(A1)；然后用IF()函数过滤空值和不需要的内容（比如“россия”、6位邮编），比如=IF(OR(A1="россия", ISNUMBER(VALUE(A1))), "", A1)。
• 步骤3：规范格式和大小写
  俄文的大小写可以用PROPER()函数统一每个单词首字母大写，比如=PROPER(B1)；对于“санктпетербург г”这种前缀后置的情况，手动替换成“г. Санкт-Петербург”，或者用SUBSTITUTE()函数批量处理。
• 步骤4：拼接规整地址
  先筛选出包含「г.」「с.」（城市/村镇）、「ул.」「пер.」（街道/小巷）、「д.」（房屋）、「кв.」（公寓）的列，然后按顺序用&拼接，比如=C1&", "&D1&", "&E1&", "&F1。

💡 缺点：Excel处理不规则列顺序比较麻烦，比如有的行邮编在第一列，有的没有，需要手动调整列的匹配关系，数据量大的话效率不高。

二、用Python批量处理（适合数据量大的情况） #

你已经尝试用Python写了正则，但效果只有50/50，主要是因为地址组件的顺序太不固定了。我给你优化一下思路，不依赖固定的列顺序，而是通过识别地址元素的前缀来整理：

优化后的Python代码 #

import re

def normalize_address_part(part):
    """标准化单个地址片段：修正前缀、大小写、格式"""
    part = part.strip()
    if not part or part.lower() == "россия":
        return None
    
    # 定义地址前缀的映射，处理前缀前置/后置的情况
    prefix_map = {
        "г": "г.",
        "с": "с.",
        "пер": "пер.",
        "ул": "ул.",
        "д": "д.",
        "кв": "кв."
    }
    
    # 处理前缀后置的情况，比如"санктпетербург г" → "г. Санкт-Петербург"
    suffix_prefix_match = re.search(r"\s+([гсперулдкв])$", part.lower())
    if suffix_prefix_match:
        prefix_key = suffix_prefix_match.group(1)
        main_content = re.sub(r"\s+[гсперулдкв]$", "", part)
        normalized = f"{prefix_map[prefix_key]} {main_content.title()}"
    # 处理前缀前置的情况，比如"г.видное" → "г. Видное"
    elif re.match(r"[гсперулдкв]\.", part.lower()):
        prefix, main_content = re.split(r"\.", part, maxsplit=1)
        normalized = f"{prefix}. {main_content.title()}"
    else:
        # 其他情况直接首字母大写
        normalized = part.title()
    
    # 处理特殊格式：比如"санктпетербург"添加连字符，"8б"转"8Б"
    normalized = normalized.replace("Санктпетербург", "Санкт-Петербург")
    normalized = re.sub(r"(\d+)([а-яё])", lambda m: f"{m.group(1)}{m.group(2).upper()}", normalized)
    
    return normalized

def process_single_address(line):
    """处理单条地址行，输出规整后的结果"""
    # 先移除所有6位邮编
    line_clean = re.sub(r"\b\d{6}\b", "", line)
    # 按逗号拆分并过滤空值
    raw_parts = [p.strip() for p in line_clean.split(",") if p.strip()]
    # 标准化每个地址片段
    valid_parts = [part for part in map(normalize_address_part, raw_parts) if part]
    
    # 按地址组件的优先级排序：城市/村镇 → 街道/小巷 → 房屋 → 公寓
    def get_part_priority(part):
        priority_order = {
            "г.": 0,
            "с.": 0,
            "ул.": 1,
            "пер.": 1,
            "д.": 2,
            "кв.": 3
        }
        for prefix, prio in priority_order.items():
            if part.startswith(prefix):
                return prio
        return 4  # 未知组件放最后
    valid_parts.sort(key=get_part_priority)
    
    # 拼接成最终地址字符串
    return ", ".join(valid_parts)

# 测试你的地址数据
address_list = [
    "россия, московская область, ленинский район, г.видное, ул.заводская, д.6, кв.22",
    "643,163000,78,,санктпетербург г,,офицерский пер,8б,,5",
    "646602, россия, омская обл. , горьковский р-н, с. астыровка, ул. комсомольская, д. 17, кв. 1",
    "656000, россия, г. барнаул, ул. эмилии алексеевой, д. 6, кв. 108"
]

for addr in address_list:
    print(process_single_address(addr))

代码说明 #

1. normalize_address_part函数：负责把每个地址片段修正成标准格式，比如把“офицерский пер”改成“пер. Офицерский”，“8б”改成“8Б”，同时处理俄文的大小写和特殊地名（比如圣彼得堡的连字符）。
2. process_single_address函数：先过滤掉邮编和国家名，然后把剩下的片段标准化，再按「城市→街道→房屋→公寓」的顺序排序拼接，确保输出的格式统一。
3. 运行这段代码后，就能得到你想要的规整地址了，比你之前的正则方案更灵活，能适配各种混乱的输入格式。

备注：内容来源于stack exchange，提问作者dynamic.aerospace.inc