如何在python中使用NLTK从原始文本中提取地址？

Question

我有这样的文字

'''嗨，山姆D.理查兹先生住在这里，44西22街，新 纽约，NY 12345。你现在可以联系他吗？ '如果您需要任何帮助，请致电 我12345678'''

。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？

Answer 1

绝对正则表达式:)

喜欢的东西

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'] 

说明：

[0-9]{1,3}：1至3位数，地址号码

(space)：在之间的空间号码和街道名称

.+：街道名称，任意数量出现

的

,任何字符：逗号和城市之前的空间

.+：城市，对任何出现次数

,的任何字符：一个逗号和一个空格前的状态

[A-Z]{2}：正好两个大写字母从A到Z

[0-9]{5}：5位

re.findall(expr, string)将返回找到的所有出现的数组。