从文本文件中提取美式街道地址的脚本。
address_extractor的Python项目详细描述
从文本文件中提取美式街道地址的脚本
$ address_extractor 1600 Pennsylvania Ave NW, Washington, DC 20500 ^D 1 lines in input ,1600 Pennsylvania Ave NW,Washington DC 20500 $ address_extractor -o output.csv input.csv 4361 lines in input *snip* 11 lines unable to be parsed $ ls output.csv
address_extractor获取包含类似地址的数据的文本或文本文件，每行一个地址，并使用usaddress包将其解析为统一格式。
安装
pypi通过pip：
pip install address_extractor
这将安装模块以及命令行脚本address_extractor。
命令行用法
address_extractor [-h] [-o OUTPUT] [--remove-post-zip] [input]
positional arguments:
input the input file. Defaults to stdin.
optional arguments:
-h, --help show this help message and exit
-o OUTPUT, --output OUTPUT
the output file. Defaults to stdout.
--remove-post-zip, -r
when scanning the input lines, remove everything after
a sequence of 5 digits followed by a comma. The
parsing library used by this script chokes on
addresses containing this kind of information, often a
county name.
无法解析的行将被打印到STDERR。可以使用标准的bash重定向技术将它们保存到文件中：
$ address_extractor -o good_addresses.csv has_some_bad_addresses.txt 2> bad_addresses.txt
作为模块使用
address_extractor可以用作python模块：
>>> import address_extractor >>> address_extractor.main(input=input_file_object, output=output_file_object, remove_post_zip=a_bool)
此实现存在一些小问题：
- 如果分别使用
sys.stdin或sys.stdout作为输入或输出，则文件对象仍将关闭。这就给将来尝试使用它们带来了问题。 - 错误的行仍然打印到
sys.stderr，这可能不是预期的。
版本和稳定性
此包作为0.1.0版本上载。没有测试和很少的错误检查——它起源于一个快速脏脚本，我决定将它作为一个包发布，以熟悉这个过程。
欢迎在github页面上提出问题、评论和请求！
欢迎加入QQ群-->： 979659372
