在做NLP（自然語言處理）相關任務時，經常會遇到需要識別並提取省、城市、行政區的需求。雖然我們自己通過關鍵詞表一個個查找也能實現提取目的，但是需要先搜集省市區關鍵詞表，相對而言比較繁瑣。
今天給大家介紹一個模塊，你只需要把字符串傳遞給這個模塊，他就能給你返回這個字符串內的省、市、區關鍵詞，並能給你在圖片上標注起來，它就是 Cpca 模塊。
1.准備
開始之前，你要確保Python和pip已經成功安裝在電腦上，如果沒有，可以訪問這篇文章：超詳細Python安裝指南 進行安裝。
(可選1) 如果你用Python的目的是數據分析，可以直接安裝Anaconda：Python數據分析與挖掘好幫手—Anaconda，它內置了Python和pip.
(可選2) 此外，推薦大家用VSCode編輯器，它有許多的優點：Python 編程的最好搭檔—VSCode 詳細指南。
請選擇以下任一種方式輸入命令安裝依賴：
1. Windows 環境 打開 Cmd (開始-運行-CMD)。
2. MacOS 環境 打開 Terminal (command+空格輸入Terminal)。
3. 如果你用的是 VSCode編輯器 或 Pycharm，可以直接使用界面下方的Terminal.
pip install cpca注意，目前 cpca 模塊僅支持Python3及以上版本。
在 windows 上可能會出現類似如下問題：
Building wheel for pyahocorasick (setup.py) ... error先閱讀原文去下載 Microsoft Visual C++ Build Tools 安裝VC++構建工具，再重新 pip install cpca，即可解決問題。
2.基本使用
通過兩行代碼就能實現最基本的省市區提取：
# 公眾號: Python 實用寶典
# 2022/06/23
import cpca
location_str = [
"廣東省深圳市福田區巴丁街深南中路1025號新城大廈1層",
"特斯拉上海超級工廠是特斯拉汽車首座美國本土以外的超級工廠，位於中華人民共和國上海市。",
"三星堆遺址位於中國四川省廣漢市城西三星堆鎮的鴨子河畔，屬青銅時代文化遺址"
]
df = cpca.transform(location_str)
print(df)效果如下：
省 市 區 地址 adcode
0 廣東省 深圳市 福田區 巴丁街深南中路1025號新城大廈1層 440304
1 上海市 None None 。310000
2 四川省 德陽市 廣漢市 城西三星堆鎮的鴨子河畔，屬青銅時代文化遺址 510681注意第三條的廣漢市，cpca 不僅識別到了語句中的縣級市廣漢市，還能自動匹配到其代管市的德陽市，不得不說非常強大。
如果你想獲知程序是從字符串的那個位置提取出省市區名的，可以添加一個 pos_sensitive=True 參數:
# 公眾號: Python 實用寶典
# 2022/06/23
import cpca
location_str = [
"廣東省深圳市福田區巴丁街深南中路1025號新城大廈1層",
"特斯拉上海超級工廠是特斯拉汽車首座美國本土以外的超級工廠，位於中華人民共和國上海市。",
"三星堆遺址位於中國四川省廣漢市城西三星堆鎮的鴨子河畔，屬青銅時代文化遺址"
]
df = cpca.transform(location_str, pos_sensitive=True)
print(df)效果如下：
(base) G:\push\20220623>python 1.py
省 市 區 地址 adcode 省_pos 市_pos 區_pos
0 廣東省 深圳市 福田區 巴丁街深南中路1025號新城大廈1層 440304 0 3 6
1 上海市 None None 。310000 38 -1 -1
2 四川省 德陽市 廣漢市 城西三星堆鎮的鴨子河畔，屬青銅時代文化遺址 510681 9 -1 12它標記出了識別到省、市、區的關鍵位置（index），當然如果是德陽市這種特殊的識別會被標記為-1.
3.高級使用
它還可以從大段文本中批量識別多個地區：
# 公眾號: Python 實用寶典
# 2022/06/23
import cpca
long_text = "對一個城市的評價總會包含個人的感情。如果你喜歡一個城市，很有可能是喜歡彼時彼地的自己。"\
"在廣州、香港讀過書，工作過，在深圳買過房、短暫生活過，去北京出了幾次差。"\
"想重點比較一下廣州、深圳和香港，順帶說一下北京。總的來說，覺得廣州舒適、"\
"香港精致、深圳年輕氣氛好、北京大氣又粗糙。答主目前選擇了廣州。"
df = cpca.transform_text_with_addrs(long_text, pos_sensitive=True)
print(df)效果如下：
(base) G:\push\20220623>python 1.py
省 市 區 地址 adcode 省_pos 市_pos 區_pos
0 廣東省 廣州市 None 440100 -1 44 -1
1 香港特別行政區 None None 810000 47 -1 -1
2 廣東省 深圳市 None 440300 -1 58 -1
3 北京市 None None 110000 71 -1 -1
4 廣東省 廣州市 None 440100 -1 86 -1
5 廣東省 深圳市 None 440300 -1 89 -1
6 香港特別行政區 None None 810000 92 -1 -1
7 北京市 None None 110000 100 -1 -1
8 廣東省 廣州市 None 440100 -1 110 -1
9 香港特別行政區 None None 810000 115 -1 -1
10 廣東省 深圳市 None 440300 -1 120 -1
11 北京市 None None 110000 128 -1 -1
12 廣東省 廣州市 None 440100 -1 143 -1不僅如此，模塊中還自帶一些簡單繪圖工具，可以在地圖上將上面輸出的數據以熱力圖的形式畫出來：
# 公眾號: Python 實用寶典
# 2022/06/23
import cpca
from cpca import drawer
long_text = "對一個城市的評價總會包含個人的感情。如果你喜歡一個城市，很有可能是喜歡彼時彼地的自己。"\
"在廣州、香港讀過書，工作過，在深圳買過房、短暫生活過，去北京出了幾次差。"\
"想重點比較一下廣州、深圳和香港，順帶說一下北京。總的來說，覺得廣州舒適、"\
"香港精致、深圳年輕氣氛好、北京大氣又粗糙。答主目前選擇了廣州。"
df = cpca.transform_text_with_addrs(long_text, pos_sensitive=True)
drawer.draw_locations(df[cpca._ADCODE], "df.html")運行的時候可能會報這個錯：
(base) G:\push\20220623>python 1.py
Traceback (most recent call last):
File "1.py", line 12, in <module>
drawer.draw_locations(df[cpca._ADCODE], "df.html")
File "G:\Anaconda3\lib\site-packages\cpca\drawer.py", line 41, in draw_locations
import folium
ModuleNotFoundError: No module named 'folium'使用pip安裝即可：
pip install folium然後重新運行代碼，會在當前目錄下生成 df.html, 雙擊打開，效果如下：
怎麼用，是不是感覺非常方便？以後地點的識別用這個模塊就完全夠了。
還有更多的細節你可以訪問這個項目的Github主頁閱讀，該項目的README完全中文編寫，非常容易閱讀：
https://github.com/DQinYuan/chinese_province_city_area_mapper
如果你無法訪問GitHub，也可以在Python實用寶典公眾號後台回復：cpca 下載完整項目。
我們的文章到此就結束啦，如果你喜歡今天的Python 實戰教程，請持續關注Python實用寶典。
有任何問題，可以在公眾號後台回復：加群，回答相應紅字驗證信息，進入互助群詢問。
原創不易，希望你能在下面點個贊和在看支持我繼續創作，謝謝！
點擊下方閱讀原文可獲得更好的閱讀體驗
Python實用寶典 (pythondict.com)
不只是一個寶典
歡迎關注公眾號：Python實用寶典
