我有一个带有“location”字段的数据库，该字段包含字符串形式的无约束用户输入。我想将每个条目映射到美国州或NULL。
例如：
'Southeastern Massachusetts' -> MA
'Brookhaven, NY' -> NY
'Manitowoc' -> WI
'Blue Springs, MO' -> MO
'A Damp & Cold Corner Of The World.' -> NULL
'Baltimore, Maryland' -> MD
'Indiana' -> IN
我可以容忍一些错误，但显然会更少。什么是最好的解决方法？
答案 0 :(得分：1)
您可以使用Geonames提供非常大的位置名称列表及其相关信息，并且是免费的。在最简单的情况下，字符串匹配（或近似字符串匹配）可能不太难实现。
你可能遇到的一个难点是含糊不清的名字，即有多个指称对象（例如华盛顿，是州还是城市）。如果存在多个指标，您可以检查它们的一致性。否则，您可以检查输入中的其他单词，但这可能存在风险。
IMO，这非常接近实体链接，考虑到已经链接的实体，对最近的州进行后验搜索。
答案 1 :(得分：0)
For posterity: I just threw a bunch of regexps at it, which worked 'pretty alright'.