companynameparser 0.1.1

Chinese Company Name Parser and Extraction Tool,Company name Recognition Utilities

companyparser

company name parser, extract company name brand. 中文公司名称分词工具，支持公司名称中的地名，品牌名（主词），行业词，公司名后缀提取。

Feature

对公司名文本解析，识别并提取地名、品牌名、行业词、公司名后缀词。

Evaluate

评估结果：

• 准确率：
• 召回率：

Install

• 全自动安装：pip install companyparser
• 半自动安装：

git clone https://github.com/shibing624/companyparser.git
cd companyparser
python setup.py install

通过以上两种方法的任何一种完成安装都可以。如果不想安装，可以下载github源码包，安装下面依赖再使用。

Usage

• Extract Company Name

import companyparser

company_strs = ["泉州益念食品有限公司",
                "武汉蓝天医院",
                "武汉海明智业电子商务有限公司",
                ]
df = companyparser.parse(company_strs)
print(df)

output:

            input place brand trade suffix symbol
0      泉州益念食品有限公司    泉州    益念    食品   有限公司
1          武汉蓝天医院    武汉    蓝天           医院
2  武汉海明智业电子商务有限公司    武汉  海明智业  电子商务   有限公司

程序的此处输入company_strs可以是任意的可迭代类型，如list，tuple，set，pandas的Series类型等;

输出的df是一个Pandas的DataFrame类型变量，DataFrame可以非常轻易地转化为csv或者excel文件，Pandas的官方文档：http://pandas.pydata.org/pandas-docs/version/0.20/dsintro.html#dataframe

Command line usage

• 命令行模式

支持批量提取地址的省市区信息：

python3 -m companyparser company_demo.txt -o out.csv

usage: python3 -m companyparser [-h] -o OUTPUT input
@description:

positional arguments:
  input                 the input file path, file encode need utf-8.

optional arguments:
  -h, --help            show this help message and exit
  -o OUTPUT, --output OUTPUT
                        the output file path.

输入文件：company_demo.txt；输出文件：out.csv，地名、品牌名、行业名、后缀名以\t间隔

Todo

• 补充中国三级地名，优化地名提取效果
• 优化品牌名边界问题
• 多个行业词提取

Contribute

项目代码还很粗糙，如果大家对代码有所改进，欢迎提交回本项目 ，在提交之前，注意以下两点：

• 在tests添加相应的单元测试
• 使用python setup.py test来运行所有单元测试，确保所有单测都是通过的

之后即可提交PR。

Reference

• addressparser