正規表現で住所を分解する方法

Question

こんばんわ。

今回は正規表現で、データを登録する際に分解して、データを取得したいです。
対象となる「住所」を「都道府県」＋「大枠地域」に分解したいです。
「大枠地域」に関しては、「気象庁の一次細分区分」になります。
詳細は下記になります。
http://www.jma.go.jp/jma/kishou/know/yougo_hp/shichoson_ichiran.html

https://gyazo.com/7891199cd663946a52568fd4ef5ca146

例になります。

東京都立川市・・・（住所）
->東京都（都道府県）/東京地方（大枠地域）

北海道旭川市・・・（住所）
->北海道（都道府県）/上川地方（大枠地域）

「住所」
→「都道府県」「大枠地域」に変換

このように正規表現で変換をして、住所を取りたいのですが、大枠が莫大な量になるので、何かいい方法はありますでしょうか。

データとして、「都道府県」＋「大枠地域」のデータはあります。
「住所」という、ただの文字列から「都道府県」＋「大枠地域」に変換という作業です。

考えが思いつかなかったので、質問させていただきましたm(_ _)m

Comments

[ikeyan]

「大枠地域」というものの定義は持っていますか？
例えば旭川市が「上川地方」という大枠地域に属することをどうやって知りましたか？

[ayu]

わかりにくくて申し訳ございませんでした。
「大枠地域」という概念は気象庁の「一次細分区域」になります。
URL等は本文に書いてあります。

Answer 1

Webサイトから情報をjavascriptで抜き出せば良いと思います。
これをスクレイピングといいます。
例えば、上の一次細分区域のページを開いて、情報が書いてあるテーブルを右クリックすると、「検証」とか「要素の検査」とか「要素を調査」とか、ブラウザによりますがそのようなメニューが出てくると思いますのでクリックしてください。
そうするとページのHTML構造が表示されます。
また、「コンソール」という部分をクリックするとjavascriptで好きなプログラムを実行して結果を見ることが出来ます。
これを利用すれば、「一次細分区域」に対応する全ての「二次細分区域の名称」を取得できます。
まあ、一部に注＊がありますが、大体は市区町村のようなので、なんとかなると思います。

以下、注を処理しないデータを取ってみたので参考にしてみてください。

var $table = $('.data2').eq(0);
var $trs = $table.find('tr');
var primarySubdivision = null;
var prefecture = null;
var result = {};
for (var i = 1; i < $trs.length; ++i)
{
  var $tds = $trs.eq(i).children('td');
  if ($tds.length > 2) {
    primarySubdivision = $tds.eq($tds.length - 3).text();
  }
  if ($tds.length > 3) {
    prefecture = $tds.eq($tds.length - 4).text();
  }
  if (i <= 46) {
    prefecture = "北海道";
  }
  if (i >= 362) {
    prefecture = "沖縄県";
  }
  $tds.eq($tds.length - 1).text()
   .split("、")
   .forEach(function (secondarySubdivision) {
     result[prefecture + secondarySubdivision] = primarySubdivision;
   });
}
console.log(result);
JSON.stringify(result, null, 2);

出力は以下のようになります。

{
  "北海道稚内市": "宗谷地方",
  "北海道猿払村": "宗谷地方",
  "北海道豊富町": "宗谷地方",
  "北海道幌延町": "宗谷地方",
(...中略...)
  "沖縄県与那国町": "与那国島地方"
}

Comments

[ayu]

具体的なコードありがとうございます。
大変助かりました！

Answer 2

Qiita にて住所から正規表現を使って都道府県などをキャプチャする記事があったので貼っておきます。
「大枠地域」についてはハッシュテーブルなどを作成した上で取り出すしかないと思われます。

参考：
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 - Qiita

Comments

[ayu]

こういうやり方もあるんですね。
マッチ率まで書いているなんて・・・
ありがとうございます！