dqinyuan / chinese_province_city_area_mapper Goto Github PK

例如:大厂区凤北路22号，提示“无法映射，建议增加到umap中”，但province_area_map中原本就没有“大厂区”，所以无法增加映射
对于这种已经撤销的行政区划的提取，建议允许在umap中增加最新行政区划不存在的映射，或者有其他更好的办法？

如何关闭umap warning提示

例如： 地址字段 数据字段
地址1 数据1
地址2 数据2
地址3 数据3
请问如何在热力图中通过地址1，2，3将数据的权重反映到地址热力图中，谢谢

地址：内蒙古鄂尔多斯市乌审旗，
只在省和区显示了内蒙古和乌审旗，并没有显示鄂尔多斯市，看了源码也没有做特殊的限制。

from cpca import area_map
area_map.get_relational_addrs('南沙区')
[('广东省', '广州市', '南沙区')]
location_str = ["南沙区","南沙"]
df = cpca.transform(location_str)
WARNING:root: 无法映射, 建议添加进umap中
WARNING:root: 无法映射, 建议添加进umap中

（1）正确情况
import cpca
values = ['天津市滨海新区']
df = cpca.transform(values, umap={}, pos_sensitive=False, cut=False)

返回 结果为

 省    市    区    地址

0 天津市 天津市 津市市 滨海新区

（2）错误情况
import cpca
values = ['天津市滨海区']
df = cpca.transform(values, umap={}, pos_sensitive=False, cut=False)

返回结果为

 省    市    区   地址

0 天津市 天津市 津市市 滨海区

能不能把umap warning提示关闭啊？

请问我能够去除识别到的地址（第一个匹配到的词）之前的无效内容吗？

example："我的地址是XXXXXXX"，去除"我的地址是"这一块

各地划分的产业开发区、高新区（非行政区），匹配度不是很好

eg：杭州大江东产业集聚区临江高新区纬五路3688号科创园2幢四层

Prefix dict has been built succesfully.
省 市 区 地址 省_pos 市_pos 区_pos
5 浙江省 杭州市 临江市 大江东产业集聚区临江高新区纬五路3688号科创园2幢四层 -1 0 10

请问，在我正常输入没有地址的情况下，怎么才能过滤掉还是被分出来的内容？

地址不带“省、市、区”的也匹配不到
杭州经济技术开发区10号大街

还有路名给匹配到省的：
嘉兴市乍浦镇雅山东路126、128、130、132号 | 山东省 | 嘉兴市 |  

详见图

举的例子 都是淘宝地址。

1、含陕西的，
上海 上海市 徐汇区 陕西南路666弄

上海 上海市 普陀区 长寿路街道 陕西北路澳门路

传入参数 cut=False 也不能正确解析。

2、含四川的，有的能解析正确，有的不能
解析错误：
重庆 重庆市 沙坪坝区 壮志路33号四川外国语大学山下400020：

解析正确：
上海 上海市 虹口区 四川北路街道 海泰时代大厦

{'省': '', '市': '', '区': '', '地址': '云南省楚雄彝族自治州得3434343'}

简写“吉林”被自动识别为“吉林市”，如何匹配到“吉林省”？

我在做地名解析过程中，偶尔遇见标题中提及的case，地名中街道里带个省份，这好像也是大家经常遇到的bug。

比如 "启东市**风情街" 会被识别为 "**省 南通市 启东市" （启东市在pca.csv中标记为南通市下的一个区，这个没关系）

问题的出现原因是 "**风情街" 中的“**”被识别为一个合法的province，**省
然后再根据 area “启东市”，对 `city 进行补全，得到南通市

从而 bug occurs...

---------------------- 一个解决方案
在 _fill_province 中不论是否已有 pca.province，都进行一次省市二元组的合法性检查。如果省份. 城市 没有在 pca.csv 中出现，则视为一个错误的分类结果。我们假设 pca.csv 是一个可靠的文档...

当上述问题出现时，舍弃现有的 pca.province，重新进行补全。

我目前的实现方式是依赖了 cpca 预处理构造的 city_map，如果 (pca.province, pca.city, "") 存在于 city_map[pca.city] 中，即为合法。

def _fill_province(pca):
    """填充省"""

    # 下面的判定条件是新加的，city_map中的每一项都有area取空字符串的情形，因此取空字符串即可
    if pca.city and (pca.province, pca.city, "") in city_map[pca.city]:
        return
    # 下面是原有的，移除了 pca.province 已存在的判定
    if pca.city and (pca.city in city_map):
        pca.province = city_map.get_value(pca.city, P)

顺便感谢一下作者的工作，cpca是一个很有用的库。由于我没有太深入阅读您的实现，可能写的方案有点粗暴。

如果我的 issue 能帮助改进cpca库，那将非常荣幸 O_O

第一次提 issue，不规范的地方多包涵

如题：类似 **生产建设兵团第八师一四七团 怎么匹配到 **生产建设兵团呢？
谢谢！

比如输入字符串 "内蒙古阿拉善盟阿拉善左旗巴彦浩特镇"
输出
省 市 区
0 None 阿拉善盟市 阿拉善左旗

1. 不能找到省级行政单位 内蒙古自治区
2. 会给市级行政单位盟的后面再加上一个市，造成重复和错误。

桂林路369号，桂林被当成了市，街道地址只剩下路369号了

我使用了php调用python来处理地址，输出返回值时数据异常，也就是无法显示正确的省市区，但是我用python直接运行又是正常的，这是为什么

Python3和Python2的多继承的始化语句有所差异，因此在Python2下不能使用，建议修改下~
super().init() ==> super(ClassName, self).init()

如果没有省份信息, 有些地级市无法被识别(甚至有省份信息也无法识别), 例如 "河北秦皇岛", "江西景德镇", "四川六盘水".

强烈建议将transform函数最后一行pd.concat中ignore_index=True这个参数作为transforme的自定义参数，
让用户自己决定是否要输出原有的index。
大多数情况，我们需要相同的index以便对原有表格进行合并或者计算。

不知意下如何？

如标题所说，试了全文模式，如果地址里只有地级市名称，无法匹配出省，但如果有省名，则可以匹配。

后面能否加入国外的国家-城市对应关系？

原先地址是: 广东省东莞市莞城区东莞大道海雅百货
解析的结果是:

区    市    省            地址
城区  东莞市  广东省  莞大道海雅百货自然堂专柜

大神最近遇到一些地址套叠的情况，例如北京市东城区燕郊开发区，这里燕郊开发区是河北的，有木有什么办法可以解决这个问题。谢谢。

字符串中只要包含"合作"两个字，就给识别为成了：
甘肃省 甘南藏族自治州 合作市 共赢

都已经能识别出福建省，为啥不能识别出福州市，一个省下面的市不会重名把，这个明显的bug都解决不了，（就算一个省下面有相同的区，那也不至于所有省都会有把）

用draw_locations和echarts_draw这两个方法绘图都不显示**
测试了一下 对比**和武汉两个地方

test = pd.DataFrame({'省':['**维吾尔自治区', '湖北省'], '市':['乌鲁木齐市', '武汉市'], '区':['新市区', '汉阳区']}, index=['a', 'b']) draw_locations(test, 'test.html')

发现武汉可以正常显示但**不行。

我拿这个地址试了一下：“**阿克苏地区阿克苏市实验林场二队”，只能把**识别出来，后面的阿克苏地区和阿克苏市虽然mappers里面都有写，但识别不出来，看了下可能是infrastructure.py里面fillProvince的问题，加了一行
if cls.province_country_mapper.get(word + "自治区"):
return word + "自治区", True
然后在mappers.py里的province_country_mapper加了
'**自治区':'**'
再跑就没问题了。
因为代码还没仔细研究过，不知道改的有没有问题，反正结果是对了。。
大佬有空可以看一下这个问题吗

查了CSV仓库和官网，贵安新区属于国家级新区，但行政区划竟然没有这个地方，贵安的所有地址都会无法匹配。。。

用pycharm运行时正常,用命令行运行时会报错找不到cpca这个模块

@hanbinpro @DQinYuan

KeyErro: 'cpca.resources'

No module named 'cpca.resources'

感觉需要相应的版本才能执行？
AttributeError: module 'pandas' has no attribute 'compat'

‘上海市浦东新区芳甸路’和‘罗湖宝岗路‘无法识别

如：兴安盟、锡林郭勒盟、阿拉善盟 无法解析到内蒙古，解析结果为空。

请问，报错cannot import name 'geo' from 'pyecharts'是echart版本问题吗？
我的echart是1.0版本
麻烦了！

杭州市下城区中河北路83号705室 | 河北省 | 杭州市 | 城区 | 下城区中河北路83号705室
杭州市上城区水门南弄3号锦绣工坊1号楼151室 | 浙江省 | 杭州市 | 城区 | 上城区水门南弄3号锦绣工坊1号楼151室
杭州市上城区西湖大道38号6号楼住院楼 | 浙江省 | 杭州市 | 城区 | 上城区西湖大道38号6号楼住院楼

如：万宁市万宁中学
解析结果：万宁市 万宁中学
期待结果：海南省 万宁市 万宁中学

--
因为没看代码逻辑，所以不清楚是什么问题

如：青海师范大学成都校区
解析结果：青海省 成都市 师范大学成都校区

试了百度只能获取国内地址的经纬度。google无法翻墙。

我发现对香港和澳门及**的匹配有些问题，同时我有对国外数据进行匹配的需求，我组建了自己的地址表，如何添加到此模块？

试了多遍都是这个情况，可能是bug，反馈一下。

from cpca import *

location_str = ["**","广西","宁夏","西藏"]
df = transform(location_str)
print(df)

输出：

区 市 省
0      
1      
2      
3      

某些准确度要求较高的情况下, 需要在三级行政区重名时给出ERROR而不是warning(或抛出Exception)