前言

提到快递，必然关联到地址。对于用户来说，我们往往只根据自己的理解来填地址，我们觉得填地址时，可以把省份省略掉，因为知道是哪个市，必然就知道它属于哪个省了；但是对于物流公司，系统里肯定不能存放没有省份的数据，这时就需要对这样的地址进行识别并补全省份。
如果你使用过电子运单，那你可能用过“智能识别”的功能，就是你粘贴一段文字，然后系统帮你识别联系人、电话、地址等。我这里想说的就是如何来识别那地址的省市县等。

正文

由于受系统框架限制，所以我使用的是盘古分词，和Lucene.net全文检索来实现这个功能。

盘古分词

由于我们的目的是地址识别，那对用户输入的句子来分词时，就不能按我们平常的方法来分词了，比方说“深圳南山科技园南区”，我肯定不希望它分成“深圳、南山、科技、南区”，而我希望它能分成“深圳、南山、科、技、南、区”，如果是按第一种常规的方法来分词，那用这组词来检索时，肯定就会检索出更多的结果，而用后一种分词，我在检索时，把单个字的过滤点，就只用“深圳、南山”去检索，其精确率必然更高。

盘古分词是可以自定义字典的，那我这儿就是以省市县乡四级地址及四级地址去掉末尾的“省、市、区、街道”等字眼来作为字典（这儿我是为了牺牲部分准确率，换来其识别率），同时把盘古分词自带的字典给移除，我们在使用盘古分词时，就只使用我们自己的字典就可以了。

private static void LoadMyDict()
            _WordDictionary._WordDict.Clear();
            _WordDictionary.ChineseName = null; 
            List<string> wordList=new List<string>();
            string path = Path.Combine(Environment.CurrentDirectory, "address.txt");
            var lines = File.ReadAllLines(path);
            wordList.AddRange(lines);
            foreach (string line in lines)
                string word = line.TrimEnd(new[] {'省', '市', '区', '镇', '乡', '县'}).Replace("街道","");
                if (!wordList.Contains(word))
                    wordList.Add(word);
            foreach (var word in wordList)
                if(word.Length<2)continue;
                _WordDictionary.InsertWord(word, 999, POS.POS_D_N);
            _WordDictionary.Save(Path.Combine(Environment.CurrentDirectory, "dict.dct"));
        }

注：盘古分词源代码：https://github.com/JimLiu/Lucene.Net.Analysis.PanGu；

上面代码中的address.txt文档是四级地址的名称，以换行作为分隔；另外下载源代码，在PanGu.Segment中的LoadDictionary方法最后再调用上面代码即可得到dict.dct，然后把这个dict.dct放到你使用盘古分词项目的exe目录下的dict文件夹即可。

Lucene.net

Lucene文档就只有这5个字段，为什么需要由四级地址拼接成的DetailAddress呢？因为如果我以“广东”、“深圳”，这两个关键词查询，会查找到包含这两个词的所有地址，比方说“广东省深圳市南山区”，而我想要的是“广东省深圳市”，所以这儿必须加DetailAddress，不然无法把“广东省深圳市”这一项排在搜索结果的最前面。

另外Lucene的数据源是由只有Province、Province+Prefecture、Province+Prefecture+County、Province+Prefecture+County+Village组成的。

在搜索时，我设置了个搜索字段的权重，四级地址的各自的权重按其级别来定，另外由于Village存在很多同名的，所以把其权重设为最小。

fileterList为需要过滤的搜索关键词，因为这类词匹配的地址不够准确，当然，这可以写成一个配置文件来维护，我这儿只是作为Demo，就直接写在代码里了。

words.Take(4):由于我们这儿最多只查询四级，所以只去4个关键词进行查询就可以了。