主页 / 问题 / 1409123
Accepted
helldrg
Asked:2022-07-12 22:18:25 +0000 UTC2022-07-12 22:18:25 +0000 UTC

将地址解析为组件

  • 772

有一个地址列表，例如：

Абрамцевская улица, дом 16 Б
ул. Абрамцевская, д.3
ул Абрамцевская 5
Абрамцевская ул., 5/2

还有一个类：

class Address:
    def __init__(self, type, type_house, number_house):
        self.type = type # улица или шоссе
        self.name = name # название улицы
        self.type_house = 'дом' 
        self.number_house = number_house # все, что справа от названия улицы

如何将字符串拆分为类的组件字段Address？我尝试通过用符号分割字符串中的单词，然后循环遍历结果列表以搜索关键字，例如ул, улица等。然后按关键字搜索дом, д。根据元素的索引或不存在，我找到了街道的名称。不知何故，一切都不是很笨拙，也许有人有更有趣的实现选项

python

1 个回答

  1. Best Answer

    有一个现成的Natasha库用于类似的任务（从文本中提取事实），但自从我尝试使用它以来，它已经发生了相当大的变化。将地址解析器交付到某个地方，您必须按照自述文件中的建议安装旧版本：

    API 可能会发生变化，对于现实世界的任务，请考虑使用来自 Natasha 项目的低级库。针对新闻文章优化的模型，其他领域的质量可能较低。要使用旧的NamesExtractor，AddressExtactor请降级pip install natasha<1 yargy<0.13

    我在这个版本的命令中安装了它（你需要把它放在引号中，因为符号<是输入重定向运算符）

    pip install "natasha<1" "yargy<0.13"

    示例代码：

    from natasha import AddressExtractor

extractor = AddressExtractor()

addresses = """
Абрамцевская улица, дом 16 Б
ул. Абрамцевская, д.3
ул Абрамцевская 5
Абрамцевская ул., 5/2
""".strip().splitlines()

for address in addresses:
    matches = extractor(address)
    for match in matches:
        print(match.fact)

    结论：

    Address(parts=[Street(name='Абрамцевская', type='улица'), Building(number='16 Б', type='дом')])
Address(parts=[Street(name='Абрамцевская', type='улица'), Building(number='3', type='дом')])
Address(parts=[Street(name='Абрамцевская', type='улица'), Building(number='5', type=None)])
Address(parts=[Street(name='Абрамцевская', type='улица'), Building(number='5/2', type=None)])

    此外，要填写您的对象，您需要遍历parts提取的地址字段中的列表，检查每个元素的类型，然后将其写入对象的相应字段中。

    如果这方面有困难，我可以稍后草拟一个如何做到这一点的例子。

    UPD。事实证明，现在调用了地址解析器AddrParser，但它并不总能在您的数据中找到门牌号码，因此使用旧版本可能是有意义的。代码示例（版本natasha == 1.4.0）：

    from natasha import AddrExtractor
import pymorphy2

morph = pymorphy2.MorphAnalyzer()
extractor = AddrExtractor(morph)

addresses = """
Абрамцевская улица, дом 16 Б
ул. Абрамцевская, д.3
ул Абрамцевская 5
Абрамцевская ул., 5/2
""".strip().splitlines()


for address in addresses:
    matches = extractor(address)
    print([match.fact for match in matches])

    结论：

    [AddrPart(value='Абрамцевская', type='улица'), AddrPart(value='16 Б', type='дом')]
[AddrPart(value='Абрамцевская', type='улица'), AddrPart(value='3', type='дом')]
[AddrPart(value='Абрамцевская', type='улица')]
[AddrPart(value='Абрамцевская', type='улица')]
    • 4

相关问题