### 使用Python提取地址中的乡镇和街道信息 在处理地址数据时，提取乡镇和街道信息是一个常见的需求。通过结合正则表达式和自然语言处理库，可以实现这一目标。以下是一个详细的解决方案。 #### 1. 数据预处理 首先，确保输入数据是字符串格式，并且包含完整的地址信息。如果数据来自Excel或其他文件，可以使用`pandas`库加载数据[^3]。 ```python import pandas as pd # 假设数据存储在一个DataFrame中 data = {'address': ['斗篷山路317号灵智广场', '马家工业园C幢4号', '鸳鸯路8号海阔天空二期1-5-3']} df = pd.DataFrame(data) ``` #### 2. 正则表达式匹配 根据引用内容[^3]，可以定义一个正则表达式来提取乡镇、街道和其他相关信息。以下是具体的正则表达式设计： ```python import re # 定义正则表达式 pattern = r'(.*?[镇|乡|街道|街|道])?(.*?[村|委员会|委会])?(.*?[组])?(.*?路)?(\d+号)?([\u4e00-\u9fa5]*)?(.*)?' # 提取信息 def extract_address_info(address): match = re.match(pattern, address) if match: return { '乡镇街道': match.group(1), '村': match.group(2), '组': match.group(3), '道路': match.group(4), '门牌号': match.group(5), '地标名称': match.group(6), '其他': match.group(7) } return None # 应用到DataFrame df['extracted_info'] = df['address'].apply(extract_address_info) ``` #### 3. 结果保存 提取结果后，可以将数据保存到Excel文件中以供后续分析[^3]。 ```python # 将提取的信息展开为独立列 expanded_df = pd.json_normalize(df['extracted_info']) result_df = pd.concat([df, expanded_df], axis=1) # 保存到Excel writer = pd.ExcelWriter('address_extraction_results.xlsx', engine='xlsxwriter') result_df.to_excel(writer, sheet_name='Sheet1', index=False) writer.save() ``` #### 4. 使用自然语言处理库增强效果 对于更复杂的地址信息，可以结合自然语言处理库（如Spacy或NLTK）进行实体识别。例如，使用Spacy的自定义命名实体识别模型[^1]。 ```python import spacy # 加载Spacy模型 nlp = spacy.load("zh_core_web_sm") # 自定义实体识别规则 ruler = nlp.add_pipe("entity_ruler") patterns = [{"label": "STREET", "pattern": [{"LOWER": "街"}]}] ruler.add_patterns(patterns) # 处理文本 doc = nlp("斗篷山路317号灵智广场") for ent in doc.ents: print(ent.label_, ent.text) ``` #### 5. 高德API辅助地理信息提取 如果需要更精确的地理边界信息，可以结合高德地图API提取区县、乡镇等地理坐标[^4]。 ```python import requests # 高德API请求示例 def get_geographic_boundary(location, key): url = f"http://restapi.amap.com/v3/config/district?keywords={location}&subdistrict=2&key={key}" response = requests.get(url) data = response.json() return data # 示例调用 location = "北京" key = "your_api_key" boundary_data = get_geographic_boundary(location, key) print(boundary_data) ``` --- ###