以下是在Python中清理此电子表格数据的一些建议：
将数据加载到Pandas数据框中。这将使操作和处理数据更容易。

import pandas as pd
df = pd.read_csv('data.csv') # or whatever source

字符串
使用Series.str.extract（）等字符串方法将州缩写和邮政编码提取到新列中：

df['State'] = df['Address'].str.extract(r'([A-Z]{2})')
df['Zip'] = df['Address'].str.extract(r'(\d{5})')

型
使用Series.str.split（）以逗号分隔Address列。然后使用第二个元素提取城市名称：

df['City'] = df['Address'].str.split(',').str[1]

型
通过使用Series.str.replace（）删除额外的文本来清理Place名称：

df['Place'] = df['Place'].str.replace('[^A-Za-z\s]+', '')

型
使用Series.fillna（）和Series.str.strip（）填充缺少的值并修剪多余的空格：

df = df.fillna('').applymap(str.strip)

型
当您希望使用字符串方法进行清理时，可以使用regex

使用您的示例数据，我可以将其标准化为list：

[['Burger King Hartford', '123 Apple St W', '--', 'CT', '--'],
 ["McDonald's", '5 Big Mac dr', 'New York', 'NY', '10001'],
 ["McDonald's", '5 Big Mac dr', 'New York', 'NY', '10001'],
 ["Arby's", '--', 'Sturgis', 'KY', '--'],
 ['Taco Bell', '--', 'Grand Rapids', 'MI', '49501'],
 ['Taco Bell', '--', 'Grand Rapids', 'MI', '49501'],
 ['Jimmy Johns', '--', 'Fort Wayne', 'IN', '46774'],
 ['Jimmy Johns', '--', 'Fort Wayne', 'IN', '46774']]

字符串
代码：

import io, pprint

csv_file = """\
| Place | Address | City | State | Zip |
|Burger King Hartford, CT | 123 Apple St W|--|--|--|
|McDonald's| 5 Big Mac dr | New York, NY 10001|--|--|
|McDonald's| 5 Big Mac dr | New York, NY|--|10001|
|Arby's|--| Sturgis, KY |--|--|
|Taco Bell|--| Grand Rapids MI 49501 |--|--|
|Taco Bell|--| Grand Rapids | MI 49501 |--|
|Jimmy Johns|--| Fort Wayne, IN. 46774 |--|--|
|Jimmy Johns|--| Fort Wayne | IN | 46774 |"""

states = [ 'AK', 'AL', 'AR', 'AZ', 'CA', 'CO', 'CT', 'DC', 'DE', 'FL', 'GA',
           'HI', 'IA', 'ID', 'IL', 'IN', 'KS', 'KY', 'LA', 'MA', 'MD', 'ME',
           'MI', 'MN', 'MO', 'MS', 'MT', 'NC', 'ND', 'NE', 'NH', 'NJ', 'NM',
           'NV', 'NY', 'OH', 'OK', 'OR', 'PA', 'RI', 'SC', 'SD', 'TN', 'TX',
           'UT', 'VA', 'VT', 'WA', 'WI', 'WV', 'WY']

with io.StringIO(csv_file) as file:
    parsed_data = []
    headers = file.readline() # skip headers
    for line in file:
        remainder = ''
        place, address, city, state, zipcode = \
            line.replace('.', '').replace(',', '').strip('\n|').split('|')
        if state == '--':
            for i in states:
                if   i in place:
                    place, state, remainder = place.partition(i)
                    break
                elif i in address:
                    address, state, remainder = address.partition(i)
                    break
                elif i in city:
                    city, state, remainder = city.partition(i)
                    break
            if zipcode == '--' and remainder.strip(): zipcode = remainder
        else:
            try: state, zipcode = state.split()
            except ValueError: pass
        row = list(map(str.strip, (place, address, city, state, zipcode)))
        parsed_data.append(row)

pprint.pp(parsed_data)

型