Question

我正在尝试使用pycountries库将国家/地区名称数据列表转换为ISO3166国家/地区代码（alpha3）。我的基本功能是：

import pycountries as pc

def guess_country(data, output='alpha3', verbose=False):
    #Check Data isn't already in Alpha3
    try:
        country = pc.countries.get(alpha3=data)
        return country
    except: 
        pass  #KeyError Raised, data doesn't directly match
    #Check if Country is Actual CountryName
    try:
        country = pc.countries.get(name=data)
        return country
    except:
        pass #KeyError Raised, data doesn't directly match
     #Check RegExpr of 'data' in an attempt to match

问题是CountryName数据相当脏......一个简短的样本列表是

GUATMAL，CHINA T，COLOMB，MEXICO，HG KONG

有没有人知道在给定cntry_name的情况下是否有一个包返回最佳“猜测”匹配？我会很高兴有些人因困难而被拒绝（即中国T - >台湾）。如果best_guess返回了一个关于'guess'的确定性的话，那就太好了。

Answer 1

您可以使用difflib（内置于python中）来选择密切的国家/地区名称：

import difflib
country_names = [x.name.lower() for x in pycountry.countries]    
matching_countries = difflib.get_close_matches(data, country_names)
confidence = difflib.SequenceMatcher(None, matching_countries[0], data).ratio()

matching_countries将包含相似的国家/地区名称列表。您可以使用选项n和cutoff参数指定返回的结果数和匹配的灵敏度。

注意：get_close_matches方法区分大小写，因此您可能希望在查找匹配项之前将所有内容转换为小写。

我运行了你通过get_close_matches获得的样本数据，除了台湾之外，它都适用于所有人。

如果您有许多已知的棘手匹配，那么可能值得将常用的输入数据字典（如“China T”）用于手动处理这些异常。当然，如果输入数据相对一致，使用简单的字典查找可能是最好的选择。

pycountry：将国家/地区名称（可能不完整！）转换为国家/地区代码

1 个答案: