如何在python中使用NLTK从原始文本中提取地址？

我有这篇课文

“嗨，山姆·D·理查兹先生住在这里，纽约西22街44号 纽约州约克市12345。你现在能联系他吗？如果你需要帮助，打电话给我 请拨打12345678“给我打电话

---

。如何使用NLTK从上述文本中提取地址部分？我试过

Stanford NER Tagger

，它只给我

New York

作为位置。如何解决这个问题？

当然是正则表达式：）

差不多

import re

txt = ...
regexp = "[0-9]{1,3} .+, .+, [A-Z]{2} [0-9]{5}"
address = re.findall(regexp, txt)

# address = ['44 West 22nd Street, New York, NY 12345']

说明：

[0-9]{1,3}

：1到3位数字，地址号

（空格）

：号码和街道名称之间的空格

+

：街道名称，任意出现次数的任意字符

，

：城市前面的逗号和空格

+

：城市，任意出现次数的任意字符

，

：状态前的逗号和空格

[A-Z]{2}

：从A到Z正好有2个大写字符

[0-9]{5}

：5位数字

---

re.findall（expr，string）

将返回一个包含找到的所有匹配项的数组。

Pyap不仅适用于此特定示例，而且适用于文本中包含的其他地址

text = ...
addresses = pyap.parse(text, country='US')

Checkout，一个专用于地址提取的库

---

它无法从原始文本中提取地址，但可能有助于完成相关任务

大多数人会定期尝试。除此之外，在SO上进行简短的搜索将为您提供大量信息。谢谢！这给了我一个开始。请接受这个答案。这个技巧，在phphere中，它是一个相当可靠的。在我自己实现之后，我会在这里把它输入到一个答案中，并附上总结。深刻清晰的解释。在这里，我可以学习这个带有细节的正则表达式。BPOSTAL用于规范化已经被标识为地址的字符串，这是一个完全不同的任务。