在收发快递填写地址的时候，我们会经常手动输入地址让程序智能识别，标准的地址比如，xx省xx市xx县/区xx路xx号，不过有时候也可以简单写：xx市xx县/区xx路xx号，或者xx省xx县/区xx路xx号，或者xx市xx路xx号。
但是有些就不是合法的地址了，比如 xx省xx街道xx号，或者 xx市xx省xx区xx号。
那么问题来了，如何识别一个地址是否有效，确切的讲，如何编程识别一个中国地址是否有效？
虽然我们大脑可以一眼识别，但是让计算器去识别，可以不是一件容易的事，根本原因在于地址的描述虽然看上去简单，但是它依然是比较复杂的上下文有关的文法。
比如 “上海市北京东路 xx 号，南京市北京东路 xx 号”，扫描到北京东路时，它后面的门牌号是否构成正确的地址要看上下文，即城市名。
所幸的是，地址的上下文比较简单，是有限的，虽然我们可以暴力穷举所有省、市、区、街道。但有效的方法还是有限状态机。
每一个有限状态机都有一个开始状态和一个终止状态，以及若干中间状态，每一条弧上带着一个状态进入下一个状态的条件，比如在上图中当前的状态如果是省，如果遇到下一个词组和区有关就进入区，如果遇到下一个词组和城市有关那么就进入市。
如果一条地址能从状态机的开始状态，经过状态机的若干中间状态，最终走到终止状态，则这条地址有效，否则无效。
比如 xx市xx省xx区xx号 就是无效地址，无法从市走到省。
现在我们通过一个简单的优先状态机来实现，代码有注释，很容易看懂
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
|
from enum import Enumdef isAddress(address: str) -> bool: #定义状态 State = Enum("State", [ "STATE_INITIAL", #开始 "STATE_PROVINCE", # 省 "STATE_CITY", # 市 "STATE_AREA", # 区 / 县 "STATE_STREET", # 街道 "STATE_NUM", #号 "STATE_END", #结束 "STATE_ILLEGAL", #错误状态 ]) def toAddressType(addr_slice : str) -> State: if "省" in addr_slice: return State.STATE_PROVINCE elif "市" in addr_slice: return State.STATE_CITY elif "区" in addr_slice or "县" in addr_slice: return State.STATE_AREA elif "路" in addr_slice or "街道" in addr_slice: return State.STATE_STREET elif "号" in addr_slice: return State.STATE_NUM else: return State.STATE_ILLEGAL #定义状态转移 transfer = { #开始可以转为 省或市 State.STATE_INITIAL: { State.STATE_PROVINCE, State.STATE_CITY, }, #省可以转 市或区县 State.STATE_PROVINCE:{ State.STATE_CITY, State.STATE_AREA, }, #市可以转区或街道 State.STATE_CITY: { State.STATE_AREA, State.STATE_STREET, }, #区县可以转街道 State.STATE_AREA: { State.STATE_STREET, }, #街道可以转号或终止 State.STATE_STREET: { State.STATE_NUM, State.STATE_END, }, #号只能转终止 State.STATE_NUM: { State.STATE_END, }, } st = State.STATE_INITIAL for ch in address: current_state = toAddressType(ch) if current_state not in transfer[st]: return False st = current_state return st in [State.STATE_STREET, State.STATE_NUM,State.STATE_END] if __name__ == '__main__': address1 = ["江苏省","苏州市", "吴中区", "中山北路", "208号"] address2 = ["苏州市","吴中区", "中山北路", "208号"] address3 = ["苏州市","吴江区", "中山北路", "208号"] address4 = ["苏州市","吴江区","208号"] address5 = ["苏州市","中山北路"] assert isAddress(address1) assert isAddress(address2) assert isAddress(address3) assert isAddress(address5) assert isAddress(address4) == False |
这里没有对整个地址字符串进行分词，而是直接将地址写成了列表的形式，主要为了说明状态机的实现和应用，上述代码仅能从格式上保证地址是有效的，并不能确保地址真实有效，如果要判断是真实有效的，那就需要将全国所有的省、市、区县、街道建立一个 hash 表，门牌号可以用范围表示，再进行状态转移判断。
上述代码的 transfer 就是一个 hash 表，相当于把所有正确转移的情况都穷举了一遍，它穷尽了在任何一种情况下，对应任何的输入，需要转义的状态。
最后的话
本文分享了如何实现一个简单的有限状态机
附有限状态机的开源实现：
django-fsm[1]
python-state-machine[2]
参考资料
[1]
django-fsm:
https://github.com/viewflow/django-fsm
[2]
python-state-machine:
https://github.com/jtushman/state_machine
以上就是Python编程使用有限状态机识别地址有效性的详细内容，更多关于Python之有限状态机识别地址的资料请关注服务器之家其它相关文章！
原文链接：https://blog.csdn.net/somenzz/article/details/120170320
