邮政编码提取：从地址文本里找出邮编并整理成可用列表

做运营和物流的人都遇到过这种烂摊子：一张订单表里收货地址是一整段话，邮编藏在街道名和门牌号中间；客服工单里客户随手贴了三四个地址；网页复制下来的通讯录还带着隐藏空白。你要的只是那串邮政编码，却得在几百行正文里一个个找。手工挑，眼睛疼还容易漏。

邮政编码提取做的就是这件事：扫描你粘贴的文本，把符合邮编格式的串挑出来，周围的正文、日志噪声和标记全部丢掉，再给你一张带行号、规范化值、校验状态的去重列表。

它从哪些文本里抠邮编

输入来源比想象中杂。常见的有：

• 订单导出 CSV，地址列是一整段自由文本
• 客服工单和聊天记录，客户口语化地报地址
• 从网页复制的通讯录或门店清单,带着 HTML 残留
• 系统日志里夹带的收件信息
• Markdown 笔记和上传的本地 txt 文件

提取器不挑来源。你把整块文字贴进去，它只关心哪一段长得像邮编，其余背景一律不动。

各国邮编格式怎么匹配

邮编不是只有一种长相，匹配规则得分国家看：

• 中国：6 位纯数字，比如 100008
• 美国 ZIP：5 位数字，或 5 位加 4 位的 ZIP+4，比如 94103-1234
• 英国：字母数字混排，比如 SW1A 1AA
• 日本：3 位加 4 位，中间一个连字符，比如 150-0001
• 德国、法国：5 位数字

提取器按这些格式找候选串。一个差一位的 9410，或者在该是数字的位置掺了字母的 9A1B7，不会被当成合格邮编直接丢掉,而是带上原因列出来，让你自己判断它是真邮编还是只是长得像的门牌号。这一点对数据清洗很关键，宁可标出来复核，也不要悄悄吞掉。

一个真实的输入输出例子

我自己整理一批华南区收货地址时,从导出表里直接复制了这么一段:

张伟 广东省深圳市南山区科技园路 18 号 518057 13800000000
李娜 上海市浦东新区世纪大道 200 号 200120
王芳 北京市朝阳区建国路 88 号 10008 备注尽快发货

把它贴进提取器，输出是一张审计表：

| 行号 | 规范化值 | 校验 | 原因 | |---|---|---|---| | 1 | 518057 | 有效 | 中国 6 位 | | 2 | 200120 | 有效 | 中国 6 位 | | 3 | 10008 | 无效 | 少一位 |

第三行那个 10008 是手误漏打了一位，校验直接标红。要是手工抄，这种错很难发现，等快递分拣才暴露就晚了。

去重、排序和物流分区

抠出邮编只是第一步。运营场景里你往往还要：

• 只保留唯一值，几百条地址里重复的邮编合并掉
• 按规范化结果排序，方便对照物流分区表
• 把无效项单独留着复核，而不是直接清掉

从网页复制的文本常带隐藏空白，导入前先规范化再去重，不然同一个邮编会因为多一个空格被算成两条。整理好的列表按邮编前几位归类，就能快速划出配送分区，决定走哪个仓发货。

本地处理，导出可交接产物

我特别在意一点：这些地址往往是真实客户数据，不该往服务器上传。邮编提取的解析、校验、去重、复制、下载全在浏览器当前标签页跑，上传的文本文件用 File API 本地读取，地址清单不会离开你的电脑。

整理完直接导出。需要给同事就出 CSV 或带行号的 Markdown，保留审计线索；要塞进脚本就切到 JSON、SQL IN 或 TypeScript union，省掉手工加引号、补逗号的功夫。下载出来的就是能直接交接的产物。

想动手就打开 邮政编码提取器，把你那份乱地址贴进去试试。如果重复项特别多，可以配合 邮编去重工具 把列表压干净；要是文本本身还带着杂乱换行和空白，先用 文本文件清理器 过一遍再提取，结果会更整齐。

需要提醒一句：邮编格式正确不代表地址真实存在，校验只管格式，发货前该核对的还得核对。

---

Made by Toolora · Updated 2026-06-13