r - 从字符串中提取状态缩写和邮政编码

Question

我想从以下字符串中提取状态缩写（2个字母）和邮政编码（4或5个数字）

    address <- "19800 Eagle River Road, Eagle River AK 99577
              907-481-1670
              230 Colonial Promenade Pkwy, Alabaster AL 35007
              205-620-0360
              360 Connecticut Avenue, Norwalk CT 06854
              860-409-0404
              2080 S Lincoln, Jerome ID 83338
              208-324-4333
              20175 Civic Center Dr, Augusta ME 4330
              207-623-8223
              830 Harvest Ln, Williston VT 5495
              802-878-5233
              "

对于邮政编码，我尝试了一些在这里找到的方法，但是由于5号街道地址或仅包含4个数字的邮政编码而无法使用

    text <- readLines(textConnection(address))

    library(stringi)
    zip <- stri_extract_last_regex(text, "\\d{5}")
    zip

    library(qdapRegex)
    rm_zip3 <- rm_(pattern="(?<!\\d)\\d{5}(?!\\d)", extract = TRUE)
    zip <- rm_zip3(text)
    zip

    [1] "99577" "1670"  "35007" "0360"  "06854" "0404"  "83338" "4333"  "4330"  "8223"  "5495"  "5233"  NA 

对于国家缩写，我不知道如何提取

任何帮助表示赞赏！提前致谢！

编辑1：包括电话号码

Answer 1

提取邮政编码的代码：

zip <- str_extract(text, "\\d{5}")

提取状态码的代码：

states <- str_extract(text, "\\b[A-Z]{2}(?=\\s+\\d{5}$)")

提取电话号码的代码：

phone <- str_extract(text, "\\b\\d{3}-\\d{3}-\\d{4}\\b")

注意：您的数据似乎有问题，因为最后2个邮政编码应为5个字符长而不是4个字符。4330实际上应为04330。如果您无法控制数据源，但可以确定它们是美国代码，则可以根据需要在左侧填充0。但是，由于您正在寻找4或5个字符的解决方案，因此可以使用以下方法：

提取邮政编码的代码（在前面查找空格，在后面查找换行符，以便不选择电话号码或地址的一部分）

zip <- str_extract(text, "(?<= )\\d{4,5}(?=\\n|$)")

提取状态码的代码：

states <- str_extract(text, "\\b[A-Z]{2}(?=\\s+\\d{4,5}$)")

演示：https://regex101.com/r/7Im0Mu/2