基于Python实现快递信息提取

前言

前几天在Python交流群里边，有个叫【^-^】的粉丝分享了一道Python基础的题目，跟快递信息有关的，题目如下：

现在想要达到的效果如下：

一、思路

针对这个问题，首先需要读取列表的信息，之后对列表进行切割，获取列表中的省或者直辖市信息，之后再判断省位信息中是否包含在地址信息中，使用列表追加的方法，进行处理，这里经常会用到字典和列表来存储信息，屡试不爽。

二、解决方案

针对该问题，粉丝【^-^】给出了解决方法，直接上代码如下：

#?coding:?utf-8
def?sp(s):
????citys?=?[]
????dizhi?=?[]
????dice?=?{}
????dic?=?{}
????for?i?in?s:
????????#?print(i)
????????a?=?i[1]
????????city?=?a[0:2]
????????zlib?=?a[0:2]
????????citys.append(city)
????????dizhi.append(zlib)
????cityss?=?set(citys)??#?去重
????citysss?=?list(cityss)??#?转为列表
????d?=?dice.fromkeys(citysss)
????for?key?in?d:
????????h?=?[]
????????for?j?in?s:
????????????b?=?j[1]
????????????lgezi?=?b[0:2]
????????????if?lgezi?==?key:
????????????????h.append(j)
????????????dic[key]?=?h
????#?print(dic)
????for?key?in?dic:
????????#?遍历字典
????????print(key,?dic[key])

if?__name__?==?'__main__':
????sp([
????????['王*龙',?'北京市海淀区苏州街大恒科技大厦南座4层'],
????????['郭*峰',?'河南省商丘市高新技术开发区恒宇食品厂'],
????????['赵*生',?'河北省唐山市朝阳道与学院路路口融通大厦2408室'],
????????['张*',?'陕西省咸阳市文汇东路6号西藏民族大学'],
????????['刘*民',?'北京市大兴区南海家园四里7号楼1单元902'],
????????['郭*兰',?'湖北省武汉市湖北省'],
????????['张*强',?'河北省张家口市经开区钻石南路11号'],
????????['鞠*龙',?'山东省潍坊市玉清街江山帝景B区12号楼一单元14楼'],
????????['李*',?'北京市海淀区西二旗智学苑5号楼超市'],
????????['许*康',?'北京市西城区西单北大街甲133号'],
????????['叶*生',?'江苏省扬州市扬子江中路756号'],
????????['赵*兴',?'北京市海淀区西二旗上地信息路1号金远见大楼华纬讯301'],
????????['徐*革',?'北京市海淀区闵庄路3号102栋二层206'],
????????['徐*',?'安徽省淮南市金荷小区(金格商场旁)'],
????????['雷*',?'北京市朝阳区望京街道望京sohoT1C座1201'],
????????['庄*',?'浙江省杭州市恒生电子大厦'],
????????['蔡*恩',?'湖北省武汉市仁和路沙湖港湾B区1103'],
????????['陈*',?'江苏省苏州市巴城镇湖滨北路193号牛吃蟹庄'],
????????['黄*',?'北京市朝阳区霄云路26号鹏润大厦A座33层'],
????????['魏*飞',?'河北省石家庄市新石北路与红旗大街交口开元大厦502室'],
????????['张*',?'山东省济南市兴港路三庆城市主人'],
????????['段*琪',?'山西省临汾市福利路尧乡小区'],
????????['刘*',?'北京市昌平区龙禧三街骊龙园601'],
????????['王*生',?'上海市杨浦区邯郸路复旦大学遗传学楼319室'],
????????['王*君',?'江苏省扬州市叶挺路318号建行营业部'],
????????['王*义',?'北京市东城区环球贸易中心D座'],
????????['韩*鉴',?'北京市门头沟区滨河路葡东小区七号楼4层D门'],
????????['罗*若',?'陕西省西安市龙首北路宫园一号5号楼4单元'],
????????['王*',?'北京市海淀区上地东路盈创动力大厦e座801c源清慧虹信息科技'],
????????['马*',?'湖北省武汉市庙山中路10号名湖豪庭7栋1403'],
????????['常*峰',?'山西省太原市迎新街'],
????????['侯*',?'浙江省杭州市江陵路1541号'],
????????['许*娟',?'上海市宝山区殷高西路高境二村177号502'],
????????['朱*',?'北京市海淀区东升镇宝盛东路奥北科技园领智中心Ｂ座5层'],
????????['吴*峰',?'湖北省武汉市幸福路鸿福花园1栋3006'],
????????['付*诚',?'北京市海淀区观林园'],
????????['滕*',?'江苏省南京市秣周东路11号双子楼9号楼15楼君度科技'],
????????['石*刚',?'辽宁省大连市大连市经济技术开发区福泉北路20号'],
????????['程*',?'北京市昌平区沙河兆丰家园'],
????????['武*',?'北京市昌平区回龙观西大街龙腾苑五区16号楼1单元202'],
????????['郭*欣',?'北京市西城区阜成门?万通新世界?B座1503']
????])

代码不算多，需要花点时间去读，不过涉及的知识点并不复杂，基本上有点Python基础，也可以理解。代码运行之后，可以看到效果如下：

不过后来我在读取这份代码的时候，发现中间有个地方写的着实有些冗余，稍微修改下，代码方面简洁一些，一些函数和变量命名加了一些对应的现实意义的单词，可读性强了一丢丢，代码如下：

#?coding:?utf-8
def?sp(text):
????city?=?[]
????dice?=?{}
????dic?=?{}
????address?=?[info[-1]?for?info?in?text]
????for?city_info?in?address:
????????city.append(city_info[0:2])
????cities?=?list(set(city))??#?先去重，然后转为列表
????#?print(cities)
????dict_keys?=?dice.fromkeys(cities)

????for?key?in?dict_keys:
????????h?=?[]
????????for?info?in?text:
????????????address?=?info[-1]
????????????city_info?=?address[0:2]
????????????if?city_info?==?key:
????????????????h.append(info)
????????????dic[key]?=?h
????#?print(dic)
????for?key?in?dic:
????????#?遍历字典
????????print(key,?dic[key])

if?__name__?==?'__main__':
????sp([
????????['王*龙',?'北京市海淀区苏州街大恒科技大厦南座4层'],
????????['柴*虎',?'北京市昌平区北七家镇顺玮阁小区'],
????????['韩*',?'辽宁省葫芦岛市小庄子乡宝仓村'],
????????['魏*森',?'北京市昌平区于辛庄路，赋腾国创中心，2楼'],
????????['邓*明',?'北京市丰台区新华街三里1号楼305'],
????????['赵*',?'上海市宝山区宝山区高境镇高境一村11号后3号车库'],
????????['徐*亮',?'北京市海淀区花园东路11号泰兴大厦302'],
????????['张*凡',?'北京市昌平区沙河镇松兰堡迎客家园507'],
????????['赵*',?'北京市北京市海淀区农大国际创业园b区6065'],
????????['顾*天',?'北京市海淀区上地东路1号华控大厦'],
????????['丁*',?'上海市杨浦区安波路533弄硕和商务2号楼1102'],
????????['封*号',?'江苏省苏州市陆家镇陆丰东路199号水岸香堤2#2309'],
????????['王*哲',?'上海市静安区曲沃路430弄15号401'],
????????['刘**',?'湖北省武汉市左岭镇?武汉华星光电一号门'],
????????['付*',?'安徽省合肥市长江西路305号电信新技术楼'],
????????['鲁*',?'湖北省武汉市武大科技园宏业楼C座'],
????????['张*',?'北京市朝阳区小营路13号亚非大厦7层8704室'],
????????['齐*',?'湖北省武汉市珞喻路马家庄'],
????????['王*',?'北京市海淀区北坞嘉园北里9号楼三单元D01'],
????????['陈*龙',?'北京市朝阳区北卫新园'],
????????['曹*生',?'江苏省无锡市澄南花苑'],
????????['沈*',?'北京市海淀区中关村南大街甲18号北京国际大厦D座7层'],
????????['续*',?'山西省晋中市中都广场12层畅快车贷'],
????????['赵*全',?'河北省唐山市李钊庄镇大王庄村'],
????????['成*',?'上海市虹口区东五小区641号楼2007'],
????????['方*',?'上海市闵行区联航路1399弄28号1103室'],
????????['曹*',?'上海市浦东新区向城路15号24C'],
????????['韩*德',?'北京市大兴区枣园北里小区1号楼8单元202'],
????????['金*鹏',?'浙江省温州市温州职业技术学院生活区快递中心'],
????????['陶*明',?'浙江省嘉兴市南溪路桂苑小区23幢603'],
????????['李*ir',?'北京市丰台区南苑乡?德鑫家园9号楼5单元50'],
????????['姜*杰',?'山东省临沂市凤凰岭大街惠民早餐'],
????????['l*xq',?'辽宁省沈阳市卫工南街4-4网点2门瀚辰跆拳道'],
????????['单*成',?'山东省日照市日照职业技术学院'],
????????['韩*红',?'上海市杨浦区隆昌路619号10号楼二楼'],
????????['魏*琪',?'北京市丰台区汉威国际广场4区12号楼'],
????????['杨*康',?'北京市丰台区丰台科技园汉威广场12栋'],
????])

三、小小花絮

这里其实还可以通过正则表达式来做地址信息的提取，代码如下：

with?open("地址信息.txt",?'r',?encoding='utf-8')?as?f:
????for?line?in?f:
????????content?=?re.compile(r"\['(?P<name>.*?)',?'(?P<address>.*?)'\]",?re.S)
????????result?=?content.finditer(line)
????????for?i?in?result:
????????????name?=?i.group("name")
????????????address?=?i.group("address")
????????????print(name,?address)

可以得到用户的姓名和地址信息，如下图所示：

之后将得到的数据可以存excel，之后通过pandas进行提取，这里使用小小明大佬给的指导代码，可以提取省位，真不错！

df['地区2']=df.地区.apply(lambda?s:?s[:(s?in?("黑龙江省",?"内蒙古自治区"))+2])

四、总结

我是Python进阶者。本文实际生活中的快递信息，基于Python编程，使用Python基础知识中的列表、字典、函数等，实现了数据信息的提取过程。

来源：https://mp.weixin.qq.com/s/S6rekeWN-Uk31i5X5gJBJQ