如何从字符串中提取非英语地址-解网

问：

如果这里有人知道一个 python 库，该库只能从整个消息中提取土耳其的地址（文本最初是土耳其语），那将是一个很大的帮助。

一个翻译的例子是：

“嗨，我叫塞勒姆，我有关于坠机现场的信息 .....（地址在这里），非常感谢。

我试着在网上寻找，但没有找到一个在土耳其地址上有功能的库，只有一些针对美国的 NLP 项目。输入为纯文本。我已经将其翻译成英文，但我不知道如何从整封邮件中具体提取地址。

python nlp 街道地址 pii

接下来，您应该考虑使用付费软件进行 PII 检测。有很多这样的产品。您可能应该搜索专注于处理土耳其语地址名称的软件，这些名称对于某些工具来说可能过于具体。我是 AWS 人，所以我使用 Amazon Comprehend，但也有其他解决方案，例如用于语言的 Azure 认知服务等。请在下面找到一个示例，说明如何使用 Amazon Comprehend detect_pii_entities API 实现这一点。

import boto3
from botocore.exceptions import ClientError

client = boto3.client('comprehend')
text =  'Hi, my name is Salem and I have information " \
"about a crash site at Sultan Ahmet, Ayasofya Meydanı No:1, 34122 Fatih/İstanbul, Turkey, Many Thanks.'

try:
    response = client.detect_pii_entities(Text=text, LanguageCode='en')
    entities = response['Entities']
except ClientError:
    entities = [] # no PII entities detected

在 API 响应中，您应该获得一个 JSON 对象，用于确定地址的开始和结束位置。

{
    "Entities": [
        {
            "Score": 0.9998736381530762,
            "Type": "NAME",
            "BeginOffset": 15,
            "EndOffset": 20
        },
        {
            "Score": 0.9996119737625122,
            "Type": "ADDRESS",
            "BeginOffset": 66,
            "EndOffset": 131
        }
    ]
}

例如，您可以循环访问实体，并通过原始文本中的索引获取地址。

addresses = [e for e in entities if e['Type'] == 'ADDRESS']
for a in addresses:
    print(text[a['BeginOffset']:a['EndOffset']])
    # prints "Sultan Ahmet, Ayasofya Meydanı No:1, 34122 Fatih/İstanbul, Turkey"

请注意，此特定工具是付费的，您必须在使用它之前进行身份验证。

上一个：使用正则表达式询问用户家庭住址

下一个：获取当前地址位置的最佳方式 Kotlin 2023

如何从字符串中提取非英语地址

How to extract a non-English address from a string

评论