bitlap / geocoding Goto Github PK

1. 修改项目包名
2. 添加javadoc，scm等信息，以及部署maven插件等

maven配置可参考 bitlap/bitlap 项目

请问大佬能发布java版本的源码吗？想向您学习一下

大佬好，在解析 “重庆市开州区南门镇” 时，发现目前的 region.dat 的地址信息比较老，没有 开州区 这个区。
想问一下大佬 region.dat 这个文件是我们自己来维护吗，还是互联网上就能获取到呢？如果从互联网能获取的话能麻烦发一下链接吗？谢谢

去除后期出现的更高级的信息. 会大幅提升相似度, 作者大大能优化一些这种情况吗?

String t1 = "海南省海口市灵山镇海榆大道4号绿地城.润园海口市灵山西片去旧改项目A-32地块11#楼(栋)2(单元)2(层)203(号)";
String t2 = "海南省海口市灵山镇海榆大道4号绿地城.润园11#楼2单元203";

结果:

海南省海口市灵山镇海榆大道4号绿地城.润园海口市灵山西片去旧改项目A-32地块11#楼(栋)2(单元)2(层)203(号)
addr1 >>>> Address(
	provinceId=460000000000, province=海南省, 
	cityId=460100000000, city=海口市, 
	districtId=460108000000, district=美兰区, 
	streetId=460108101000, street=灵山镇, 
	townId=460108101000, town=灵山镇, 
	villageId=null, village=null, 
	road=null, 
	roadNum=null, 
	buildingNum=A-32, 
	text=西片去旧改项目地块11#楼22203栋单元层号
)
>>>>>>>>>>>>>>>>>
海南省海口市灵山镇海榆大道4号绿地城.润园11#楼2单元203
addr2 >>>> Address(
	provinceId=460000000000, province=海南省, 
	cityId=460100000000, city=海口市, 
	districtId=460108000000, district=美兰区, 
	streetId=460108101000, street=灵山镇, 
	townId=460108101000, town=灵山镇, 
	villageId=null, village=null, 
	road=海榆大道, 
	roadNum=4号, 
	buildingNum=11#楼2单元203, 
	text=绿地城润园
)
加载扩展词典：dic/region.dic
加载扩展词典：dic/community.dic
加载扩展停止词典：dic/stop.dic
相似度结果分析 >>>>>>>>> MatchedResult(
	doc1=Document(terms=[Term(灵山镇), Term(A), Term(32), Term(西片), Term(去), Term(旧), Term(改), Term(项目), Term(地块), Term(11#), Term(楼), Term(22203), Term(栋), Term(单元), Term(层), Term(号)], town=Term(灵山镇), village=null, road=null, roadNum=null, roadNumValue=0), 
	doc2=Document(terms=[Term(灵山镇), Term(海榆大道), Term(4号), Term(11), Term(2), Term(203), Term(绿地城), Term(润园)], town=Term(灵山镇), village=null, road=Term(海榆大道), roadNum=Term(4号), roadNumValue=4), 
	terms=[io.patamon.geocoding.similarity.MatchedTerm@2cfb4a64], 
	similarity=0.4886777774252209
)

去除第二个海口市

String t1 = "海南省海口市灵山镇海榆大道4号绿地城.润园灵山西片去旧改项目A-32地块11#楼(栋)2(单元)2(层)203(号)";
String t2 = "海南省海口市灵山镇海榆大道4号绿地城.润园11#楼2单元203";

结果

海南省海口市灵山镇海榆大道4号绿地城.润园灵山西片去旧改项目A-32地块11#楼(栋)2(单元)2(层)203(号)
addr1 >>>> Address(
	provinceId=460000000000, province=海南省, 
	cityId=460100000000, city=海口市, 
	districtId=460108000000, district=美兰区, 
	streetId=460108101000, street=灵山镇, 
	townId=460108101000, town=灵山镇, 
	villageId=null, village=null, 
	road=海榆大道, 
	roadNum=4号, 
	buildingNum=A-32, 
	text=绿地城润园灵山西片去旧改项目地块11#楼22203栋单元层号
)
>>>>>>>>>>>>>>>>>
海南省海口市灵山镇海榆大道4号绿地城.润园11#楼2单元203
addr2 >>>> Address(
	provinceId=460000000000, province=海南省, 
	cityId=460100000000, city=海口市, 
	districtId=460108000000, district=美兰区, 
	streetId=460108101000, street=灵山镇, 
	townId=460108101000, town=灵山镇, 
	villageId=null, village=null, 
	road=海榆大道, 
	roadNum=4号, 
	buildingNum=11#楼2单元203, 
	text=绿地城润园
)
加载扩展词典：dic/region.dic
加载扩展词典：dic/community.dic
加载扩展停止词典：dic/stop.dic
相似度结果分析 >>>>>>>>> MatchedResult(
	doc1=Document(terms=[Term(灵山镇), Term(海榆大道), Term(4号), Term(A), Term(32), Term(绿地城), Term(润园), Term(灵山), Term(西片), Term(去), Term(旧), Term(改), Term(项目), Term(地块), Term(11#), Term(楼), Term(22203), Term(栋), Term(单元), Term(层), Term(号)], town=Term(灵山镇), village=null, road=Term(海榆大道), roadNum=Term(4号), roadNumValue=4), 
	doc2=Document(terms=[Term(灵山镇), Term(海榆大道), Term(4号), Term(11), Term(2), Term(203), Term(绿地城), Term(润园)], town=Term(灵山镇), village=null, road=Term(海榆大道), roadNum=Term(4号), roadNumValue=4), 
	terms=[io.patamon.geocoding.similarity.MatchedTerm@4b6995df, io.patamon.geocoding.similarity.MatchedTerm@2fc14f68, io.patamon.geocoding.similarity.MatchedTerm@591f989e, io.patamon.geocoding.similarity.MatchedTerm@66048bfd, io.patamon.geocoding.similarity.MatchedTerm@61443d8f], 
	similarity=0.7152705001057788
)

你好，
感谢开源这么有用的工具。
Geocoding.normalizing 这个API，在匹配完四级行政区之后，为了处理省市区重复书写的情况，removeRedundancy() 函数会继续移除能够解析到的省市区/县 乡镇/街道 及其之前的字符串，方便专心处理POI字符串。 但当POI字符串中出现了正常的地名字符串后（如 浙江省杭州市西湖区**建设银河西湖支行），removeRedundancy() 函数会错误的将 POI中的信息删除，只剩下“支行”。

举个栗子：

print(Geocoding.normalizing("浙江省杭州市西湖区**建设银河西湖支行"))

[Out]
Address(
	provinceId=330000000000, province=浙江省, 
	cityId=330100000000, city=杭州市, 
	districtId=330106000000, district=西湖区, 
	streetId=null, street=null, 
	townId=null, town=null, 
	villageId=null, village=null, 
	road=null, 
	roadNum=null, 
	buildingNum=null, 
	text=支行
)

大佬你好，在使用过程中发现好像Geocoding.similarity(geoAddress1, geoAddress2) 有线程安全问题？

String geoAddress1 = "xxxx";
String geoAddress2 = "xxxx";
Geocoding.similarity(geoAddress1, geoAddress2)

感觉自定义地址是在字典里面新增地址的，而不是用于将错误地址改正后解析的？ @IceMimosa

举个例子：

Geocoding.addRegionEntry(510000000000L, 100000000000L, "四州省", RegionType.Province, "四川")
Geocoding.normalizing("四州省广安市广安区")

能够将地址正确的解析为：四川省广安市广安区么？

• maven的跳转链接改成：https://central.sonatype.com/artifact/org.bitlap/geocoding
• 国标地址改成：
  • http://www.stats.gov.cn/sj/tjbz/tjyqhdmhcxhfdm/2021
  • http://www.stats.gov.cn/sj/tjbz/tjyqhdmhcxhfdm/2023

运行皆正常, 但就是最后没有文件产生

请问，我在MAVEN中导入后，intellIj无法执行main方法，剔除后恢复正常，请问是什么情况

有对应的工具方法么？想生成一份国标的，求助下大佬

“天津市静海区大丰堆镇齐小王村村委会东100米“
这个地址会被解析成
provinceId=120000000000, province=天津,
cityId=120100000000, city=天津市,
districtId=120223000000, district=静海县,
streetId=120223113000, street=大丰堆镇,
townId=120223113000, town=大丰堆镇,
villageId=null, village=null,
road=null,
roadNum=null,
buildingNum=null,
text=齐小王村村委会东100米

通过自定义数据增加“静海区”还是不能解决。
是地址库没更新的问题吗？
这个是要通过修改地址库修改吗？

输入：四川省成都市郫都区西源大道1311号3栋4单元1楼102号
segment方法，seg_type = 'ik',
分词结果list为：['四川省', '成都市', '郫', '都', '西源大道', '1311号', '3栋', '4', '单元', '1楼', '102号']
期望结果list为：['四川省', '成都市', '郫都区', '西源大道', '1311号', '3栋', '4', '单元', '1楼', '102号']
请问有啥办法修正结果吗？感谢！

使用 normalizing: 标准化方法，输入地址：北京市海淀区西北旺东路10号院东区323102，发现返回数字323102 没有了
麻烦帮忙看看

输入: 广东省河源市源城区中山大道16号华怡小区
输出:
Address(
provinceId=440000000000, province=广东省,
cityId=442000000000, city=中山市,
districtId=442000000000, district=中山市,
streetId=null, street=null,
townId=null, town=null,
villageId=null, village=null,
road=null,
roadNum=null,
buildingNum=null,
text=大道16号华怡小区
)

Address(
provinceId=110000000000, province=北京,
cityId=110100000000, city=北京市,
districtId=110102000000, district=西城区,
streetId=null, street=null,
townId=null, town=null,
villageId=null, village=null,
road=新康街,
roadNum=2号院,
buildingNum=null,
text=1号楼北侧楼房
)

Addr1:江苏省南京市建邺区庐山路98-1号
Addr2:江苏省南京市庐山路98-1号

But I got the result 0.0 ?

不知道是我倒腾代码搞错？还是本来的bug？

实现思路

工具类输入

1. 地址数据网址

比如：http://www.stats.gov.cn/sj/tjbz/tjyqhdmhcxhfdm/2023/，或者类参数固定死2022、2023等等的输入。
如果有接口直接调用更好，没有的话可以用jsoup对页面进行爬虫

2. 地址层级

由于层级越深，生成的最终文件肯定越大。所以需要限制下地址的层级，比如1：省，2：市，3：区，4：街道/镇，5：居委会

3. 文件格式

json/pb...

对于一个空的dat字典文件，GeocodingX.addRegionEntry时，未初始化RegionEntity的children属性，导致下级的行政区划未能成功添加。DefaultRegionCache中的如下代码，最后一行在children未初始化(null)时，父RegionEntity不会添加子RegionEntity

override fun addRegionEntity(entity: RegionEntity) {
    this.loadChildrenInCache(entity)
    this.REGION_CACHE[entity.id] = entity
    this.REGION_CACHE[entity.parentId]?.children?.add(entity)
}

代码：
from GeocodingCHN import Geocoding

geocoding = Geocoding()

text = '山东青岛李沧区延川路116号绿城城园东区7号楼2单元802户'

address_nor = geocoding.normalizing(text)

print(address_nor)

错误：
Traceback (most recent call last):
File "main.py", line 3, in
File "GeocodingCHN\Geocoding.py", line 61, in init
File "jpype_jclass.py", line 99, in new
TypeError: Class org.bitlap.geocoding.GeocodingX is not found

请教 mvn install 出 jar 包来后如何使用，对 Java 和 Kotlin 不熟悉，非常抱歉。

比如

val geocoding = GeocodingX("region_2021.dat")

geocoding.addRegionEntry(1,0,"xx")

geocoding.save("xx.dat")

比如这个地址：东莞市莞城街道罗沙社区东兴路(道路)东兴门诊部1层.

结果：

  Address(
	  provinceId=440000000000, province=广东省, 
	  cityId=441900000000, city=东莞市, 
	  districtId=441900006000, district=莞城街道, 
	  streetId=null, street=null, 
	  townId=null, town=null, 
	  villageId=null, village=null, 
	  road=罗沙社区东兴路, 
	  roadNum=, 
	  buildingNum=null, 
	  text=东兴门诊部1层道路
  )

Address(
provinceId=110000000000, province=北京,
cityId=110100000000, city=北京市,
districtId=110102000000, district=西城区,
streetId=null, street=null,
townId=null, town=null,
villageId=null, village=null,
road=新康街,
roadNum=2号院,
buildingNum=null,
text=1号楼北侧楼房
)

地址库能更新一下吗？谢谢

解析地址“福建福州鼓楼区六一路111号金三桥大厦”这种路名里面带“一”的会将“一”去掉

如“广东省广州市天河区越秀北路22号”，“越秀北路”会被识别成“北路”，区域也会变成“越秀区”，请问这个应该怎么解决？
“解放北路”会被识别为河北省的“解放县”，连着上级省市一起变了

灵山镇海榆大道4号绿地城.润园11#楼2单元203

只取一个省的信息, 进行匹配, 最后匹配出来了街道和区的id, 但没有继续匹配上省, 市, 该怎样修改一下代码呢?

大佬好，按照说明方法导入了五级地址库至mysql中，重新生成了dat文件，发现地址标准返回无法精确五级，这个怎么处理？

省/直辖市
市/州
县/区
乡/镇
村/社区

请问下 resources 里的 region.dic 和 community.dic 能否更新，如何生成呢？

比如输入“南山区”，会有两个匹配，一个是黑龙江省的，一个是广东省的，但是目前只会返回第一个；
还有如果只输入一个镇，返回的只有null，这里该怎么改呢？

导入那个pom依赖吗

要求：

1. 熟悉Kotlin、Java
2. 熟悉github上的开源协作和版本控制

2020版本国标地址库：http://www.stats.gov.cn/tjsj/tjbz/tjyqhdmhcxhfdm/2020/

思路：采用非覆盖方式，与库中的旧地址进行合并。

fix #162

通过readme 下载github的repo依赖失败：

Failed to execute goal on project customer-experience-data-factory: Could not resolve dependencies for project com.treeyee.cloud:customer-experience-data-factory:jar:0.0.1-SNAPSHOT: io.patamon.geocoding:geocoding:jar:1.1.6 was not found in https://raw.github.com/icemimosa/maven/release/ during a previous attempt. This failure was cached in the local repository and resolution is not reattempted until the update interval of patamon.release.repository has elapsed or updates are forced -> [Help 1]

克隆项目本地编译生成jar包，将jar添加到项目也运行失败（本地项目是java项目）:
java.lang.NoClassDefFoundError: kotlin/jvm/internal/Intrinsics
at io.patamon.geocoding.Geocoding.similarity(Geocoding.kt)

老哥你知道这是啥原因吗