如何在python中使用NLTK從原始文本中提取地址？

Question

我有這樣的文字

'''嗨，山姆D.理查茲先生住在這裏，44西22街，新 紐約，NY 12345。你現在可以聯繫他嗎？ '如果您需要任何幫助，請致電 我12345678'''

。如何使用NLTK從上述文本中提取地址部分？我試過Stanford NER Tagger，它只給我New York作爲位置。如何解決這個問題？

Answer 1

絕對正則表達式:)

喜歡的東西

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'] 

說明：

[0-9]{1,3}：1至3位數，地址號碼

(space)：在之間的空間號碼和街道名稱

.+：街道名稱，任意數量出現

的

,任何字符：逗號和城市之前的空間

.+：城市，對任何出現次數

,的任何字符：一個逗號和一個空格前的狀態

[A-Z]{2}：正好兩個大寫字母從A到Z

[0-9]{5}：5位

re.findall(expr, string)將返回找到的所有出現的數組。