pcacode 1.0.0

这是一个从文本中找地名信息和地区码的库

pcacode

这是一个从文本中找地名信息和地区码的库

安装

pip install pcacode

使用方法

1.基础使用：

from pcacode import pcacode

pca = pcacode.pcacode()
info = pca.get_info(province='北京',content='朝阳区')

print(info)

结果：[('北京市', '直辖市', '朝阳区', '110105')]

说明：

• province 为省名称，已做了模糊处理，测试版必须带，带上有助于提高效率和精度。
  
• content 为内容 ，内容随意只要包含市/区县信息会自动提取

2.一些初始化技巧：

from pcacode import pcacode

pca = pcacode.pcacode(file_page=u'data/2020年11月中华人民共和国县以上行政区划代码.xlsx',
                      nations_file=u'data/56_nations.xlsx',
                      switch_data={},
                      dict_data={})

说明：

file_page：地区码数据文件路径

数据来源于 民政部 整理成了xlsx 格式可以查看data目录下面的2020年11月中华人民共和国县以上行政区划代码.xlsx文件，可以替换成自己的文件（注意，清除xlsx文件中的空格）
需要替换时:
file_page=u'you_file_path/you_file.xlsx'

nations_file：民族数据文件路径

用于处理少数民族自治区自治州名称使用，不建议改动，你也可以改为自己的名族文件库，详细请参看data下面的56_nations.xlsx文件

需要替换时:

nations_file=u'you_nations_file_path/you_nations_file.xlsx'

switch_data :替换省名简称(只能新增省的简称)

目前已经默认可以不带 '省'，'市'
自治区也可以自动识别
需要替换时:
switch_data={'京'，'北京市'，'沪'，'上海市'}

dict_data :替换地区码信息

地区吗经常变动，每次维护地区码表很麻烦，在这里提供一个临时方案

需要替换时:

dict_data={'330205'：'江北区'}

3.存在的问题（下个版本处理）

###1.必须是全称才能处理

例如：
北京市 朝阳
提取结果：
[('北京市', '北京市', '北京市', '110000')]
下个版本优先解决这个问题

###2.自治州简称目前暂未处理

例如：
延边朝鲜族自治州
恩施土家族苗族自治州
分别简称为 延边 恩施的暂时无法处理 只能处理全称
详细信息请查看百度百科：自治区

###3.自治县简称目前暂未处理

例如：
围场满族蒙古族自治县
丰宁满族自治县
分别简称为 围场 丰宁的暂时无法处理 只能处理全称
详细信息请查看百度百科：自治县

4.下个版本更新计划

增加不需要省名称的提取方式
增加城市名称模糊处理的方式
丰富函数的返回类型和模式

致谢

感谢袁隆平先生和钟南山先生，让我医食无忧。

尾声

只有无知，没有自满