文章目录
一、数据地址实体抽取的目的及问题
对数据的地址进行实体识别，主要作用是确定我们的数据主体最终可以归到哪一行政单位，从而在各行政单位上对数据主体的归属问题进行判断。
因何原因使用实体抽取：
二、方法一：调用ahocorasick库
ahocorasick是个python模块，Aho-Corasick算法是多模式匹配中的经典算法，目前在实际应用中较多。
ahocorasick安装：
1、确定安装VC++，安装后，在模块选择里勾选Visual Studio Build Tools里面的C++ Build Tools
2、执行pip安装命令
pip install pyahocorasick（若该方法安装失败，可尝试CSDN中其他安装方法）
ahocorasick使用：
若直接使用，会出现如下问题：
ahocorasick并没有对数据进行补全的功能，若原数据对子数据有确实，无法进行补齐，如内蒙古自治区——磴口县与内蒙古自治区——巴彦淖尔市——磴口县。后者数据符合要求，可分级进行存储，但前者地级市数据丢失。
解决方法：
该方法可参考，但不推荐，较为麻烦，且具有隐患。
三、方法一：调用cpca库
1、安装cpca库
pip指令执行：
pip install cpca2、cpca库使用方法
import cpca
information=['内蒙古自治区呼伦贝尔市牙克石市民生B区','赛罕区大学西路街道内蒙古大学','回民区北二环路内蒙古财经大学','北京海淀区','河北深州市' ]
s=cpca.transform(information)
print(s)3、执行结果
注：cpca第三方库只会精确到县级市，县级市后均为地址
如果能解决您的问题，记得收藏+关注呀！！！
创作时间：2022.2.3
文章编号YU.NO.2
