文字列の住所を（配列に）分割したい

Question

文字列の住所を（配列に）分割したい

文字列：
東京都千代田区丸の内1-9-2グラントウキョウサウスタワー23階

結果例：
[東京都, 千代田区, 丸の内, 1-9-2, グラントウキョウサウスタワー23階]

Answer 1

郵便番号データベースを利用しては如何でしょう。
https://www.post.japanpost.jp/zipcode/dl/oogaki-zip.html

サウスタワー 23 を検索すると、こんな行がヒットします。

"東京都"　"千代田区"　"丸の内グラントウキョウサウスタワー（２３階）"
までは分解できそうです。

Comments

[decimal]

回答ありがとうございます。
利用シーンとして、必ず都道府県から始まるとは限らない住所が何行もあるCSVがあって、
その住所から例えばKEN_ALL.csvに突合させて郵便番号を取得するというものなんです。
また、利用環境はオフラインのため、外部とは接続できません。

Answer 2

import re

s_nums = '東京都千代田区丸の内1-9-2グラントウキョウサウスタワー23階'
pat = '(...??[都道府県])((?:旭川|伊達|石狩|盛岡|奥州|田村|南相馬|那須塩原|東村山
|武蔵村山|羽村|十日町|上越|富山|野々市|大町|蒲郡|四日市|姫路|大和郡山|廿日市|下>松|岩国|田川|大村|宮古|富良野|別府|佐伯|黒部|小諸|塩尻|玉野|周南)市|(?:余市|高市
|[^市]{2,3}?)郡(?:玉村|大町|.{1,5}?)[町村]|(?:.{1,4}市)?[^町]{1,4}?区|.{1,7}?[市
町村])(.+)'

print(re.split(pat, s_nums))

['', '東京都', '千代田区', '丸の内1-9-2グラントウキョウサウスタワー23階', '']

Answer 3

先人が既に挑戦していますが、ものすごく大変です。
Qiita - なるべく短い正規表現で住所を「都道府県/市区町村/それ以降」に分けるエクストリームスポーツ

なぜそのような処理が必要なのか追記した方が良いでしょう。

Comments

[decimal]

住所マスタとマッチングをかけたいため。
RubyやPHPですと、ググると同様の解決例を目にしたのですが、
Pythonのものがなかったため。
また、文字列を後ろから１文字ずつ消していって、マッチングをかけるのも考えましたが、
処理に時間がかかることが想定されるため。