地址提取和标准化技能使用指南
技能概述
此技能提供完整的地址信息处理工作流程，将杂乱的文本地址转换为结构化的地理位置信息。技能集成了文本清洗、地址解析、层级标准化、精确位置提取和坐标转换等功能。
何时使用此技能
当遇到以下情况时应当使用此技能：
- 从客户资料、订单信息、文档记录中提取地址信息
- 需要处理包含地址的自然语言文本并转换为标准格式
- 需要将文本地址转换为GPS坐标以进行地图标注或导航
- 清理和标准化来自多个来源的地址数据
- 提取文本中的精确位置信息（包括楼栋号、门牌号）
- 过滤掉地址文本中的干扰信息（电话、备注、联系方式等）
如何使用此技能
基本使用流程
- 准备输入文本：收集包含地址信息的原始文本
- 调用地址提取器：使用
AddressExtractor类处理文本 - 获取处理结果：接收包含清洗文本、地址组件、标准化地址和坐标的完整结果
- 后续处理：根据需要使用标准化地址或坐标信息
核心组件使用
1. 初始化地址提取器
from scripts.address_parser import AddressExtractor
# 初始化提取器（推荐配置API密钥）
extractor = AddressExtractor(amap_api_key="your-amap-api-key")
# 如不配置API密钥，仍可提取和标准化地址，但无法获取坐标
extractor_no_api = AddressExtractor()
2. 执行完整地址提取流程
# 输入包含地址的文本
text = "客户张三，电话13800138000，地址：北京市朝阳区建国门外大街1号国贸大厦A座1208室"
# 执行提取和标准化
result = extractor.extract_and_standardize(text)
# 检查结果
if result['success']:
print(f"标准化地址: {result['standardized_address']}")
print(f"坐标: {result['coordinates']}")
else:
print(f"错误: {result['error']}")
3. 单独使用各功能模块
文本清洗：
cleaned = extractor.clean_text(raw_text)
地址组件提取：
components = extractor.extract_address_components(cleaned_text)
地址标准化：
standardized = extractor.standardize_address(components)
坐标获取：
coordinates = extractor.get_coordinates_from_amap(query_address)
结果格式说明
技能返回一个包含以下字段的字典：
success: 布尔值，表示处理是否成功original_text: 原始输入文本cleaned_text: 清洗后的文本components: 地址组件字典，包含：province: 省份city: 城市district: 区县town: 乡镇街道village: 村庄社区road: 道路house_number: 门牌号building: 楼栋号poi: 兴趣点
standardized_address: 标准化的地址路径query_address: 用于API查询的地址字符串coordinates: 坐标信息（如可用）lng: 经度lat: 纬度formatted_address: 格式化地址
高德地图API配置
要获取精确坐标，需要配置高德地图API密钥：
- 访问高德开放平台注册账号
- 创建应用并获取API Key
- 在初始化时传入密钥：
AddressExtractor(amap_api_key="your-key")
API密钥将用于调用高德地理编码API：https://restapi.amap.com/v3/geocode/geo
支持的地址格式
技能支持多种中文地址表达格式：
- 标准行政区划地址：省-市-区-街道-门牌号
- 商业建筑地址：大厦、广场、中心等POI名称
- 住宅小区地址：小区、花园、苑等居住区名称
- 混合格式：包含道路、楼栋、单元等详细信息
地址层级识别
技能按以下优先级识别和提取地址层级：
- 省份：直辖市、自治区、特别行政区
- 城市：地级市、副省级城市、直辖市
- 区县：市辖区、县、县级市、自治县
- 乡镇街道：镇、乡、街道办事处
- 村庄社区：村、社区、居委会
- 道路：路、街、大道、胡同、巷、弄
- 门牌号：数字+号、带中文描述的门牌
- 楼栋号：栋、号楼、幢、座、单元
- POI：商业建筑、公共设施、地标建筑
文本清洗规则
自动过滤以下内容：
- 特殊符号：【】()（）[]{}<>《》""''「」『』等
- 无效备注：备注、说明、注意、联系、电话、手机等开头的描述
- 多余空白字符和标点符号
- 个人敏感信息：姓名、年龄、性别等非地址信息
错误处理
技能具备完善的错误处理机制：
- 无有效地址时的友好提示
- API调用失败的异常处理
- 网络请求的超时控制
- 编码问题的自动处理
最佳实践
- 预处理：尽量提供完整、清晰的地址文本
- API配置：生产环境务必配置有效的高德API密钥
- 结果验证：对重要应用建议验证坐标结果的准确性
- 批量处理：可循环调用处理多条地址信息
- 日志记录：利用内置日志功能追踪处理过程
扩展和定制
可通过修改address_parser.py中的正则表达式模式来适配特定的地址格式需求。脚本支持灵活的组件扩展和定制化配置。