自動識別地址省市區、手機號、姓名，淘寶的地址自動識別

阿新 • • 發佈：2019-01-24

模糊軟件 class 詳細是不是下午 true 統計 pan

　　由於公司軟件需求，需要將一段字符串進行解析出省、市、區、街道、詳細地址、手機、姓名。類似淘寶的地址自動識別，研究了一個下午加一個上午，換了好多種算法。

手機號
這個不難，將字符串用特定的符號分割，如：英文逗號、中文逗號、空格
分割出來的數組進行字數統計，找到11位字符且可以轉換為數字的就是手機號，當然不嫌麻煩也可以用正則
姓名
這個不簡單，如果輸入的都是正常的姓名那也簡單，做一個百家姓的數據表。匹配第一個字，且字數不要超過4個。中國4個字的姓名真的不多。
但現在地址裏寫的可能都不會是真實姓名，且超過5個字的昵稱，那就麻煩了。
所以現在用的就是長度對比，數組裏長度最長的當作地址來解析，排去手機號，剩下的當作姓名。(暫時沒有想到更好的方法)

地址
真的走了好多彎路

省市區分割
這個思路是最早的思路一串字符串用省市區去分割，顯然對正規的地址是有效的。但我如果"浙江寧波海曙"，這樣就找不到了。
失敗！
模糊查詢（統計法）
既然地址裏的省市區都可能不全，那我就用模糊查詢，然後查詢到的數據存入數組，且做次數統計。
如地址是：河南鄭州100號100幢
先搜索“河”，如圖

總計1600多條匹配信息，OK！加入數組下一步
搜索“河南”，如圖：
總計32條信息，數組裏都存在，那次數+1
接著搜“河南鄭”，結果0條數據。
如果數據是0，那就從前面刪除一位接著搜
搜索“南鄭”，如圖：

1條數據，好加入數組。
然後查看數組發現統計出來次數是2的有32條，還是確定不了。
失敗！
模糊查詢（概率法）
再加改造，上面的思路是沒有錯的，就是要去查詢數據匹配出最優的選擇，那該怎麽辦呢
如 “河南”，數據庫存儲的“河南省”，3個字對了2個，那就是66%的正確率
如 “河南”，數據庫存儲的“河南岸街道”(一個廣東惠州的街道)，5個字對了2個，那就是66%的正確率40%
ok，這樣就區分開來了，按照每個詞語的正確率去排序
但是！字數一樣的呢？“河南鄉“(中國,四川省,雅安市,漢源縣,河南鄉)，正確率也是一樣的66%
這就真的區分不開了，誰都不知道用戶指的河南是哪一個
模糊查詢（概率最終版）
“北京” 對應數據庫的 “北京” 正確率是100%
“北京” 對應數據庫的 “北京市” 正確率是66%
是不是區分不開客戶到底是要哪一個地址呢？
這還是和字數有關系，所以還要升級
“呼和浩特市”對應數據庫“呼和浩特市”正確率是100%
這個正確率和北京的100%正確率一樣，這就不對了，比較呼和浩特市這個已經是100%確定了，北京還是沒有100%確定到底是省還是市（代碼中需要區分）
升級版出來了就是概率之後再加上一個正確的字數
“呼和浩特市”對應數據庫“呼和浩特市”正確率是100%+正確字數5=105%正確率
“北京” 對應數據庫的 “北京” 正確率是100%+正確字數2=102%正確率

 int GetProbability(string str1, string str2)
{
            decimal fm = str1.Length;
            str1 = str1.Replace(str2, "");
            decimal fz = fm - str1.Length;
            return (int)Math.Floor(fz / fm * 100) + (int)fz;
}

這樣的正確率計算就沒什麽大問題了，接下來就是處理。篩選出來的省市區街道，進行篩選，確定最終結果了，下面都是 if else 的判斷。
總計代碼量寫了300多行沒有優化，因為全是if else，可以寫遞歸或者循環省代碼的，但是頭太疼了就不寫了。

下面放一下效果圖