住所文字列の文末にある不要な文字列を正規表現で削除したい

Question

前提・実現したいこと

住所の文字列の文末にある不要な文字列を削除したいです。

例 (住所はダミーです)
京都府京都市右京区XXX1-1-1 【本社】本社です
=> 抽出結果 京都府京都市右京区XXX1-1-1

京都府京都市右京区XXX1-1-1京都ビル1F ※詳しくはこちら
=> 抽出結果 京都府京都市右京区XXX1-1-1京都ビル1F

京都府京都市右京区XXX1-1-1京都ビル3階 京都の住所です
=> 抽出結果 京都府京都市右京区XXX1-1-1京都ビル3階

上記のように元データから不要な文字列を削除して、きれいな住所になるようにしたいです。

発生している問題・エラーメッセージ

住所の後に記載される文字列に様々なパターンがあり、きれいに削除することが難しい状況です。
すべての不要文字列のパターンに適応した正規表現を書くのは現実的ではないため、
住所が
・F
・階
・数字
で終わるとして、それ以降の不要文字列を削除するコードを書いてみています。

# addressは例です
address1 = '京都府京都市右京区京都駅ビル3-5-6 10F 新卒歓迎・未経験者歓迎' 
address2 = '東京都港区TBSビル1-2-3 25階　打ち合わせ室'
address3 = '北海道札幌市中央区1-100　駐車場なし、近くのコインパーキングをご利用ください'  
# ここでF、階、数字を判定する
character = 
if character == "F" or character == "階":
# Fまたは階以降を取り除く           
elif character not in [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]:
# 数字以降を取り除く

# 結果
# address1 = '京都府京都市右京区京都駅ビル3-5-6 10F' 
# address2 = '東京都港区TBSビル1-2-3 25階'
# address3 = '北海道札幌市中央区1-100' 

Fの位置を取得することができない、または、別のFに反応してしまうなどして適切なコードが見つからずにいます。
上記の問題を解消し、きれいな住所文字列のみを抽出できる方法を教えていただきたいです。
よろしくお願いいたします

補足情報（FW/ツールのバージョンなど）

Pycharm
python 3.8.0

Answer 1

提示されたサンプルだと以下でよさそうですが、住所表記は奥が深いので、完璧を目指すならまだまだ調整が必要そうです。

import re

l = [
'京都府京都市右京区XXX1-1-1 【本社】本社です',
'京都府京都市右京区XXX1-1-1京都ビル1F ※詳しくはこちら',
'京都府京都市右京区XXX1-1-1京都ビル3階 京都の住所です',
'京都府京都市右京区京都駅ビル3-5-6 10F 新卒歓迎・未経験者歓迎',
'東京都港区TBSビル1-2-3 25階　打ち合わせ室',
'北海道札幌市中央区1-100　駐車場なし、近くのコインパーキングをご利用ください'
]

r = re.compile(r'.*[階F\d]') # F,階,数字で終わる

for s in l:
    m = r.match(s)
    if m:
        print(m.group(0))
"""
京都府京都市右京区XXX1-1-1
京都府京都市右京区XXX1-1-1京都ビル1F
京都府京都市右京区XXX1-1-1京都ビル3階
京都府京都市右京区京都駅ビル3-5-6 10F
東京都港区TBSビル1-2-3 25階
北海道札幌市中央区1-100
"""

Comments

[LouiS0616]

[階|F|\d] だと | も含んじゃいます。

[8524ba23]

あ。ご指摘ありがとうございます。

Answer 2

示されている条件なら以下でできるでしょう。

>>> import re
>>>
>>> address1 = '京都府京都市右京区京都駅ビル3-5-6 10F 新卒歓迎未経験者歓迎'
>>> address2 = '東京都港区TBSビル1-2-3 25階　打ち合わせ室'
>>> address3 = '北海道札幌市中央区1-100　駐車場なし、近くのコインパーキングをご利用ください'
>>>
>>> print(re.sub('[^\dF階]*$', '', address1))
京都府京都市右京区京都駅ビル3-5-6 10F
>>> print(re.sub('[^\dF階]*$', '', address2))
東京都港区TBSビル1-2-3 25階
>>> print(re.sub('[^\dF階]*$', '', address3))
北海道札幌市中央区1-100

Comments

[退会済みユーザー]

解決できました！ありがとうございました！！

Answer 3

正規表現を使えば、「F」か「階」か数字で終わる文字列を検索できます。

Pythonのre.matchは、常に文字列先頭からの検索になります。

import re

lst = ['京都府京都市右京区京都駅ビル3-5-6 10F 新卒歓迎・未経験者歓迎',
       '東京都港区TBSビル1-2-3 25階　打ち合わせ室',
       '北海道札幌市中央区1-100　駐車場なし、近くのコインパーキングをご利用ください']

pat = re.compile(r".*(?:F|階|\d)")

for addr in lst:
    m = pat.match(addr)
    if m:
        addr = m[0]
    print(addr)

京都府京都市右京区京都駅ビル3-5-6 10F
東京都港区TBSビル1-2-3 25階
北海道札幌市中央区1-100

不要な文字列に「階」や数字が書いてあったらダメですけどね。