根据地址识别出国家，大家有好的建议吗

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 1514 天前的主题，其中的信息可能已经有所发展或是发生改变。

比如："首尔市江南区永东大路亚洲会议塔" 目前想到的是先分词，然后再找一份世界主要城市国家映射表进行匹配用 jieba 分词，得到的结果是首尔 /市 /江南 /区 /永 /东大路 /亚洲 /会议 /塔接下来依次用这些词在映射表中匹配，第一个匹配到就返回

但是目前还没找到靠谱的国家城市映射表，大家有做过的，诚心求教～～

映射表

分词

匹配

永东大路

31 条回复 • 2020-09-27 17:26:34 +08:00

opengps

2020-09-26 12:00:23 +08:00 via Android

用地图的 api

huayumo

2020-09-26 12:37:33 +08:00

这种分词不行,说实话我也在考虑这种,来大数据分类每个市县的新闻,国内的直接行政区来分类,国外的感觉应该也一样,别用分词的,行政区划的比较准

BrettD

2020-09-26 12:54:30 +08:00 via iPhone

加拿大也有地方叫伦敦

imn1

2020-09-26 12:56:06 +08:00

没必要分词，地址一般都是有顺序的，要么大到小，要么小到大，你的目的只是城市-->国家，找到一端前 N 个字符就够了
找 geo 数据库就有映射表了，网上有 open 的

hakono

2020-09-26 13:15:12 +08:00 via Android

谷歌地图 api，很好用
需求数量多了的话需要收费就是了
记得做好缓存之类的

shiji

2020-09-26 13:24:52 +08:00 via iPhone

美国有三个城市都叫纽瓦克
美国也有城市叫温哥华

单靠分词肯定不行

wdg8106

2020-09-26 13:39:59 +08:00

@huayumo 国内是直接用行政区来分的，效果还可以，国外的找来下没找到

wdg8106

2020-09-26 13:43:08 +08:00

@BrettD 这种感觉没法避免，碰到了就只能按比较常见的算了

wdg8106

2020-09-26 13:43:40 +08:00

@imn1 多谢，我试试看

wdg8106

2020-09-26 13:45:18 +08:00

@hakono 多谢，那我先自己判断下，判断不出来的再调 api...

wdg8106

2020-09-26 13:48:33 +08:00

@shiji 嗯，我也遇到过像韩国国际广场这种分出来带韩国但明显不是的

Ptu2sha

2020-09-26 14:47:52 +08:00

国内我还遇到去过 A 市登记了家庭地址
然后 A 市的某个派出所就打电话来因为我家地址某部分和他们辖区匹配上了。。。

xuanbg

2020-09-26 16:15:37 +08:00

非结构化的地址自动处理成结构化地址是有一定的错误率的，楼主你把错误的抛出来人工处理或者干脆丢弃就行。

wdg8106

2020-09-26 17:17:04 +08:00

@xuanbg 了解的，只要错误率不太高就可以接受了

ericbize

2020-09-26 17:22:32 +08:00 via iPhone

丢到谷歌地图，获取经纬度

helloworld000

2020-09-26 18:54:53 +08:00

https://nominatim.org/

或者直接用 selenium 去 googlemap 里搜

bellchu

2020-09-26 19:17:46 +08:00 via iPhone

我很多年前一名的时候有人问我是不是去澳洲，我说不是啊。对面很疑惑的看着我问，“那你为什么申请资料寄到悉尼？”

bellchu

2020-09-26 19:18:02 +08:00 via iPhone

*移民

wdg8106

2020-09-26 21:17:13 +08:00

@bellchu 所以你是要移民到澳大利亚吗...哈哈

bellchu

2020-09-26 21:19:16 +08:00

@wdg8106 加拿大的 case 很多都是邮寄悉尼的。加拿大，新斯科舍省，悉尼市。

wdg8106

2020-09-26 21:23:32 +08:00

@helloworld000 多谢，我在网上下了个城市国家信息表，还是想先从这方面入手，如果精确度不够再考虑谷歌 api

wdg8106

2020-09-26 21:24:15 +08:00

@bellchu 哦哦长见识了 ....

bellchu

2020-09-26 21:29:01 +08:00

你可以优先 extract 字段中的邮编，可以相对准确的判断国家。

uuiitwp

2020-09-26 23:51:53 +08:00 via Android

典型的地理编码 /逆地理编码问题

Pythondr

2020-09-27 00:11:03 +08:00 via iPhone

一般的地图服务都有地址标准化的 API，可以看下高德开放平台

cheng6563

2020-09-27 01:24:57 +08:00

google 地图的 api，免费额度不够可以多开几个账号均衡负载

winterbells

2020-09-27 08:16:40 +08:00 via Android

我们之前用的是谷歌地图搜索

搜索完了它会自动将坐标放进 URL，取出来就是，也没什么免费额度之说。

fhsan

2020-09-27 08:19:12 +08:00

建议 google 地图 api，分词十分不靠谱

lichdkimba

2020-09-27 11:26:22 +08:00

地球上至少 80%的人不会打中文地址吧。。。。。

loliordie

2020-09-27 16:30:39 +08:00

这个题, 使用传统方法解决最大的问题其实来源于数据质量.

teddy2725

2020-09-27 17:26:34 +08:00

搞点高质量数据用 fasttext 训练一个文本分类模型来做