如何在R语言中从地址数据框提取英国邮政编码？

嗨，我来帮你搞定这个提取英国邮编的问题！针对你给出的示例地址和需求，我整理了专属R语言的解决方案，用你熟悉的stringr包就能轻松解决。

第一步：确定匹配目标的正则表达式 #

先看你示例里的邮编SY1 3GZ，它的结构是2个大写字母+1个数字，空格，1个数字+2个大写字母，对应的正则表达式应该是：

"[A-Z]{2}\\d \\d[A-Z]{2}"

如果你确实需要匹配你描述的LETTER_LETTER_DIGIT LETTER_LETTER_DIGIT格式（比如XX1 YY1），那正则改成：

"[A-Z]{2}\\d [A-Z]{2}\\d"

第二步：用stringr+dplyr处理你的数据框 #

假设你的数据框叫address_df，存储地址的列名叫full_address，操作步骤如下：

先加载必要的包 #

如果还没安装的话先装一下：

install.packages(c("stringr", "dplyr"))
library(stringr)
library(dplyr)

提取邮编到新列 #

针对示例中的邮编格式，直接用mutate和str_extract新增一列存储提取出的邮编：

address_df <- address_df %>%
  mutate(postcode = str_extract(full_address, "[A-Z]{2}\\d \\d[A-Z]{2}", ignore.case = TRUE))

加ignore.case = TRUE是为了兼容地址里可能出现的小写邮编，不用纠结大小写问题。

第三步：排查你之前尝试失败的可能原因 #

如果你之前的代码没成功，大概率是这几个问题：

• 大小写不匹配：地址里的邮编可能是小写，刚才的代码已经加了ignore.case = TRUE，完美解决这个问题。
• 地址里有多余空格/特殊字符：可以先清理地址里的冗余空格，再提取：

  address_df <- address_df %>%
    mutate(clean_address = str_squish(full_address),
           postcode = str_extract(clean_address, "[A-Z]{2}\\d \\d[A-Z]{2}", ignore.case = TRUE))
  

• 正则不够通用：如果你的地址里有其他格式的英国邮编（比如1个字母开头的，或者带额外字母的），可以用更全面的通用正则：

  # 覆盖绝大多数合法英国邮编的正则
  postcode_regex <- "([A-Z]{1,2}\\d[A-Z\\d]? ?\\d[A-Z]{2})"
  address_df <- address_df %>%
    mutate(postcode = str_extract(full_address, postcode_regex, ignore.case = TRUE))
  

测试示例地址 #

用你给的地址测试，保证能正常提取：

test_address <- "8, Longbow Close, Harlescott Lane, Shrewsbury, England, SY1 3GZ"
str_extract(test_address, "[A-Z]{2}\\d \\d[A-Z]{2}", ignore.case = TRUE)
# 输出结果就是："SY1 3GZ"

内容的提问来源于stack exchange，提问作者elliot