“
阅读本文大概需要 1 分钟。
”假设我们通过爬虫获取了上万条不规范的地址信息:
杭州市滨江区网商路599号
东城区和平里街道
上海市徐汇区 xx 小区
...
现在老板想让你把这些地址统一格式化为标准的省市区地址格式,并写入到 Excel 中。你应该如何操作?
有一个库,叫做 cpca
,可以非常方便地解决这个问题。我们来写一段非常简单的代码,看看这个库有多简单:
import cpca
address_list = '''杭州市滨江区网商路599号
东城区和平里街道
上海市徐汇区 xx 小区'''.split('\n')
df = cpca.transform(address_list)
print(df)
![](https://i-blog.csdnimg.cn/blog_migrate/364a8856b6fb8fc5d84186528bc1acb4.png)
这个库能自动根据你写的部分地址,推测出这个地址所在的省市区。即使你把省市区省略了一部分,或者是使用简称,它也能识别出来,如下图所示:
![](https://i-blog.csdnimg.cn/blog_migrate/ec9ea0b79b614bc8f48c6e6f38fc20ab.png)
cpca.transform
返回的是一个 Pandas 的 DataFrame 对象,我们可以调用它的.to_csv()
直接生成 csv 文件。如果我们再安装一个第三方库openpyxl
,还可以直接生成 Excel 文件,如下图所示:
![](https://i-blog.csdnimg.cn/blog_migrate/1e62057629d4f39b4fa830bd97a4cd47.png)
大家可以访问 GitHub - DQinYuan/chinese_province_city_area_mapper: 一个用于提取简体中文字符串中省,市和区并能够进行映射,检验和简单绘图的python模块[1]查看更多用法,包括如何处理不同城市的同名区,并且还可以绘制热力图。
参考资料
[1]
GitHub - DQinYuan/chinese_province_city_area_mapper: 一个用于提取简体中文字符串中省,市和区并能够进行映射,检验和简单绘图的python模块: https://github.com/DQinYuan/chinese_province_city_area_mapper
好文和朋友一起看~