漢数字を数字に直す処理

Question

###概要
Python3.5で住所を正規化するシステムを作っています。
そこで漢数字の○○丁目を数字の丁目に直す処理を入れています。

例）
一丁目 → １丁目

###課題
この「丁目」をkey-valueの辞書で保持しています。

master = {
    "一丁目": "１丁目",
    "二丁目": "２丁目",
...
}

format = master["一丁目"]

ナンセンス感が漂うのですが、どうにか「Python」らしく
すっきりとかけないものでしょうか。

よろしくお願いいたします。

Answer 1

CodeLabさんのご回答で解法については尽くされていると思うのですが、やや斜め前の回答。

地名で「二丁目」「十二丁目」「万丁目」などが存在するそうです (ウィキペディア「丁目」を参照)。あと数字を含むだけなら「四万十」「一番町」などもあります。「丁目」を識別するためにはこういったものを除外する必要があるかもしれません。

また、自治体の中では一部や全部で住居表示を施行していない地域もあって、「丁目」や「番」が慣用的に振られている場合もあります。たとえば京都市は「下京区材木町XXX番地」のように慣用的な地番があります[1]が、一部には「東山区本町二丁目XXX番」のようなのもあります[2]。この場合、「○丁目」は漢数字のほうが正確だという解釈もありえると思います。

---

[1] ちなみに「下京区材木町」は3箇所あります (「2箇所」と誤記していたのを訂正しました)。
[2] ちなみに「二十二丁目」まであります。

Comments

[al_aya_yuka]

奥が深いですねxx
処理の手前までは市区町村マスタにより都道府県、市区町村は除去された状態になります。
その中から漢数字+丁目の正規表現で抽出されたdataが対象になります。
ですので、誤変換は少なそうですが、区域わけの丁目ではなく、町域名にそもそも丁目を使われてしまうとつらいですね・・・
勉強になりました！

[CodeLab]

そういえば以前PHPで同じようなことをやったのを思い出しました。確かにikedasさんのおっしゃる通りで正規表現だけでは単純に変換できず、最終的にはkey-value形式で実装していました。
また、表記変更、市町村合併などで変わることがあるので、結構苦労します。予算が許せば、そういったデータを提供している会社があるので検討してみるのもよいかと思います。

[ikedas]

なんか質問の趣旨から斜めにそれてしまってすみません。ついでに調べたことをメモしておきます。

新潟市西蒲区も住居表示が施行されていませんが、旧市街では「XXX番地」や「○丁目XX番」がある一方、新しく開けた地区には地番で区別できないので「○○団地XX号棟XXX号」などを使っていたりもするようです。
また、主に大分市とその周辺ですが、「丁目・番」ではなく「3組」「1-3組」のような表示が見られます (これらは数字を欧数字にできるようです)。一方、他県には「四組」といった地名もあります。

[tacsheaven]

京都の住所はとってもカオスです。亀屋町にいたっては、上京区に5か所、中京区も5か所、下京区で2ヵ所あります。3か所ならまだマシ（ｗ
しかも慣用的な住所表記だと「どの通りとどの通りを経由した面（四辺のうちの一辺）」を記すからさらにカオス。

[al_aya_yuka]

ご回答くださった皆様のおかげで質問以前にまだまだ課題があることを認識しました。
いったんクローズいたしますが、また新たな対応が必要になったときはまたお力添えくださいまし。

Answer 2

一丁目から九丁目ならこんな感じでできるのではないかと。

dic = str.maketrans('一二三四五六七八九', '123456789')
s = '一丁目'
print(s.translate(dic))

Comments

[al_aya_yuka]

ご回答ありがとうございます。
１０丁目以上が存在するので、それだけだと実現できませんでした。

Answer 3

本来実施したいことは、住所の正規化かと思います。

品質はわかりませんが、次のようなサービスもあるので利用を検討してみては如何でしょうか。

住所変換サービス（無料）
http://www.ncm-git.co.jp/service/addressconvert.html

Answer 4

変換前の住所が「人が書いたもの」なら「十丁目」「壱〇丁目」（いないか・・・）「１０丁目」「10丁目」があったりと、わりと変則的な予感がするので、自分なら切り出しや置換は「個別論理で」やるような気がします。また住所には極端な場合でも万以上の漢数字はなさそうに思える（本当かどうかは分かりませんが）のであまりに汎用的に作りこむと「やりすぎになる」恐れがあると思います。

「仕様がきっちり決まっている」ならば「その仕様を満たすすっきりした方法を考えればよい」ですが、住所の正規化とだけ聞くと「あれ！こんなパターンもあるの？」とか「このパターンは正しいとはいえないが許容したい」という「必ずしも自明ではない変則的な例外」があるような気がしました。そういうものはすっきりしない方式を取らざるを得ないのではないでしょうか。

ご質問を拝見して過去に考えたことのある問題を思い出しました。住所に出現するローマ数字をアラビア数字にかえる処理を書いたのです。そのときは迷ったあげくあまり美しいとはいえない制御論理を書きました。ⅤＩ（前者はローマ数字、後者は全角のアルファベットのアイ）を5Ｉに変換するのは危険といった配慮をしたためです。またＣＤＭなどは変換できなくはないですがそうするのはナンセンスと考え、単にエラー扱いにして人間が判断するといった逃げ方も検討しました。

ご質問の意図から外れてしまっていたならスミマセン

Answer 5

単純に変換すると十一丁目とかがあった場合に問題が起きそうです。

こちらを参考にされてはいかがでしょうか？
http://qiita.com/dosec/items/c6aef40fae6977fd89ab

Comments

[al_aya_yuka]

かなり使えそうです＾＾
実装してみたいと思います！