pygeocoding 1.1.1

地址标准化工具

geocoding

介绍

• 本项目旨在将不规范(或者连续)的文本地址进行尽可能的标准化, 以及对两个地址进行相似度的计算。
• 该模块为 bitlap/geocoding 项目的Python实现，原项目为Kotlin开发
• 安装命令 pip install GeocodingX

地理编码技术, 主要分为如下步骤

• 地址标准库
• 地址标准化
• 相似度计算

1. 数据测试

方法调用: Geocoding 类

• normalizing: 标准化
• analyze: 解析成分词文档
• similarity: 相似度计算
• similarityWithResult: 相似度计算, 返回包含更多丰富的数据

1.1 标准化

>> 输入: 上海上海宝山区宝山区【新沪路58弄11-802  水韵华庭 】 (水韵华庭附近)号大都会3号楼2单元1303
>> 输出:
Address(
	provinceId=310000000000, province=上海, 
	cityId=310100000000, city=上海市, 
	districtId=310113000000, district=宝山区, 
	streetId=None, street=None, 
	townId=None, town=None, 
	villageId=None, village=None, 
	road=新沪路, 
	road_num=58弄, 
	building_num=11-802, 
	text=水韵华庭水韵华庭附近
)

• 返回的对象解释
  • province相关: 省
  • city相关: 市
  • district相关: 区、县
  • street相关: 街道
  • town相关: 乡镇
  • village相关: 村
  • road: 道路
  • roadNum: 路号
  • buildingNum: 建筑物号
  • text: 标准化后为匹配的地址。一般包含小区, 商场名称等信息

注: 如果对text的结果不是很满意, 比如出现重复或不准确, 可以通过分词的手段解决

>> 输入:
  浙江金华义乌市南陈小区8幢2号
  浙江金华义乌市稠城街道浙江省义乌市宾王路99号后面南陈小区8栋2号
>> 输出: 
  0.6795216660765248

>> 输入:
  山东省沂水县四十里堡镇东艾家庄村206号
  浙江金华义乌市南陈小区8幢2号
>> 输出:
  0.0

感谢

• 感谢原作者的辛苦付出！