PM> Install-Package AddressParsing
本库的功能就是面对各式各样的地址，准确识别并结构化，并提供结构化的区划详情（邮编、行政代码、区号等）
概念：
Name：
安徽省 -> 安徽省
宿州市 -> 宿州市
砀山县 -> 砀山县
**ShortName：**可有多个
安徽省 -> 安徽
宿州市 -> 宿州、宿县
砀山县 -> 砀山
**PathName：**顶级地址不用设置PathName，二三级区划（路径名称按照字符串长度降序排列，其实就是直属的和间接直属的Name和ShortName的组合）：
宿州市的路径名称为：安徽省宿州市、安徽省宿州、安徽宿州市、安徽宿州
砀山县的路径名称为：安徽省宿州市砀山县、安徽省宿州市砀山、安徽宿州市砀山县、安徽宿州砀山，宿州市砀山县、宿州砀山、……
Path：
安徽省 -> 安徽省
宿州市 -> 安徽省 - 宿州市
砀山县 -> 安徽省 - 宿州市 - 砀山县
首先准备以下数据结构：
拿一个最简单的地址描述一下最基本的原理：
-
移除常用分隔符
-
循环和递归匹配
-
结果规则处理 若以上两步包含多个结果，进行同路径结果合并，权重计算等 没错！整个算法思想就是这么简单，但是我加入了一些小小的技巧（这些技巧有的是一行代码，有的是一块代码，有的是一个设计，具体不在这里描述，需要了解请阅读源码），使得算法在面对大量形态各异的地址文本时，无论是匹配的精准度还是性能都有着极强的表现：
手工精调的完备字典
近乎全覆盖的数据组合
地址格式化
地址裁剪
一二级索引快速命中（v2.0beta）
循环优先级
匹配模式优先级
同级PathName优先级
Name、ShortName、PathName优先级匹配
可配置的一级区划优先级
ShortName匹配跳跃（v2.0beta）
PathName匹配跳跃（v2.0beta）
特殊匹配名称排除
同路径合并
命中索引优先级
命中字数优先级
命中等级优先级
......
高精确度、高性能、字典完备、使用场景广泛
配置i7-8750H，单核最高睿频4.1，内存随意，以下测试在Debug模式（Release会快30%）
1：一二级区划（省、自治区、直辖市，市）开头的地址，单次匹配≈0.017毫秒，每秒可处理地址数量：60000
MatchType 基本都是 PathName 具有最高的优先级
从 IndexQuickTop2Matched、IndexQuickMatched 可以看出有效的命中了索引（此索引非彼索引，此索引为数组位置）
从 MatchLoopTimes、CallStringIndexOfTimes 可以看出只进行了极少的循环匹配次数，在 54000+ 的数据组合中基本算是“直达”的了。
地址：江苏省南京市江宁区天元中路168号诚基大厦利源集团
TimeCost： 00:00:00.0000173
Weight: 1
MatchType: PathName
MatchIndex: 0
MatchName: 江苏省南京市江宁区
MatchRegion: 江苏省 - 南京市 - 江宁区
Format： 江苏省 - 南京市 - 江宁区 - 天元中路168号诚基大厦利源集团
CallStringIndexOfTimes： 9
MatchLoopTimes： 3
PathNameSkip： 0
IndexQuickTop2Matched： 1
IndexQuickMatched： 2
地址：四川省成都市高新区天府大道天府软件园E区6栋10楼12号
TimeCost： 00:00:00.0000259
Weight: 1
MatchType: PathName
MatchIndex: 0
MatchName: 四川省成都市高新区
MatchRegion: 四川省 - 成都市 - 武侯区
Format： 四川省 - 成都市 - 武侯区 - 天府大道天府软件园E区6栋10楼12号
CallStringIndexOfTimes： 12
MatchLoopTimes： 6
PathNameSkip： 0
IndexQuickTop2Matched： 1
IndexQuickMatched： 1
地址：湖北省武汉市洪山区武大科技园兴业楼南楼二单元702
TimeCost： 00:00:00.0000162
Weight: 1
MatchType: PathName
MatchIndex: 0
MatchName: 湖北省武汉市洪山区
MatchRegion: 湖北省 - 武汉市 - 洪山区
Format： 湖北省 - 武汉市 - 洪山区 - 武大科技园兴业楼南楼二单元702
CallStringIndexOfTimes： 9
MatchLoopTimes： 3
PathNameSkip： 0
IndexQuickTop2Matched： 1
IndexQuickMatched： 2
地址：北京市海淀区文慧园北路8号庆亚大厦A座2层
TimeCost： 00:00:00.0000175
Weight: 1
MatchType: PathName
MatchIndex: 0
MatchName: 北京市海淀区
MatchRegion: 北京市 - 北京市 - 海淀区
Format： 北京市 - 北京市 - 海淀区 - 文慧园北路8号庆亚大厦A座2层
CallStringIndexOfTimes： 20
MatchLoopTimes： 10
PathNameSkip： 0
IndexQuickTop2Matched： 1
IndexQuickMatched： 0
地址：上海市浦东新区亮景路232号A幢5楼森亿智能
TimeCost： 00:00:00.0000187
Weight: 1
MatchType: PathName
MatchIndex: 0
MatchName: 上海市浦东新区
MatchRegion: 上海市 - 上海市 - 浦东新区
Format： 上海市 - 上海市 - 浦东新区 - 亮景路232号A幢5楼森亿智能
CallStringIndexOfTimes： 14
MatchLoopTimes： 15
PathNameSkip： 0
IndexQuickTop2Matched： 1
IndexQuickMatched： 0
2：三级区划（市辖区、县）开头的地址，由于三级区划数量太多，重名概率极大未设计快速索引，单次匹配≈0.4毫秒，每秒处理地址数量：2500
可以看出 CallStringIndexOfTimes、MatchLoopTimes 明显很大，基本算是“暴力循环，选择匹配”了。
有的虽然 IndexQuickTop2Matched 但是 MatchType 是 Name 优先级较低，还需要继续匹配
地址：番禺区南村镇南光路32号A首层
TimeCost： 00:00:00.0004676
Weight: 1
MatchType: Name
MatchIndex: 0
MatchName: 番禺区
MatchRegion: 广东省 - 广州市 - 番禺区
Format： 广东省 - 广州市 - 番禺区 - 南村镇南光路32号A首层
CallStringIndexOfTimes： 151
MatchLoopTimes： 3323
PathNameSkip： 15
IndexQuickTop2Matched： 0
IndexQuickMatched： 1
地址：朝阳区东大桥路8号尚都国际中心2806室 ,100-499人
TimeCost： 00:00:00.0004420
Weight: 1
MatchType: Name
MatchIndex: 0
MatchName: 朝阳区
MatchRegion: 吉林省 - 长春市 - 朝阳区
Format： 吉林省 - 长春市 - 朝阳区 - 东大桥路8号尚都国际中心2806室 ,100-499人
Weight: 1
MatchType: Name
MatchIndex: 0
MatchName: 朝阳区
MatchRegion: 北京市 - 北京市 - 朝阳区
Format： 北京市 - 北京市 - 朝阳区 - 东大桥路8号尚都国际中心2806室 ,100-499人
CallStringIndexOfTimes： 316
MatchLoopTimes： 3323
PathNameSkip： 24
IndexQuickTop2Matched： 1
IndexQuickMatched： 2
地址：长泰县武安镇官山工业园
TimeCost： 00:00:00.0004007
Weight: 1
MatchType: Name
MatchIndex: 0
MatchName: 长泰县
MatchRegion: 福建省 - 漳州市 - 长泰县
Format： 福建省 - 漳州市 - 长泰县 - 武安镇官山工业园
CallStringIndexOfTimes： 304
MatchLoopTimes： 3323
PathNameSkip： 20
IndexQuickTop2Matched： 0
IndexQuickMatched： 1
地址：蓝山县塔峰镇滨河大道教师进修学校东侧50米国仕地产
TimeCost： 00:00:00.0004102
Weight: 1
MatchType: Name
MatchIndex: 0
MatchName: 蓝山县
MatchRegion: 湖南省 - 永州市 - 蓝山县
Format： 湖南省 - 永州市 - 蓝山县 - 塔峰镇滨河大道教师进修学校东侧50米国仕地产
CallStringIndexOfTimes： 340
MatchLoopTimes： 3323
PathNameSkip： 10
IndexQuickTop2Matched： 0
IndexQuickMatched： 1
地址：砀山赵屯镇张新庄行政村888号
TimeCost： 00:00:00.0003866
Weight: 1
MatchType: ShortName
MatchIndex: 0
MatchName: 砀山
MatchRegion: 安徽省 - 宿州市 - 砀山县
Format： 安徽省 - 宿州市 - 砀山县 - 赵屯镇张新庄行政村888号
CallStringIndexOfTimes： 204
MatchLoopTimes： 3323
PathNameSkip： 16
IndexQuickTop2Matched： 0
IndexQuickMatched： 1
综合地址持续平均处理能力在 20000/s
以安徽省宿州市砀山县赵屯镇张新庄行政村888号为例： 标准三级地址或包含适当分隔符
地址：安徽省宿州市砀山县赵屯镇张新庄行政村888号
TimeCost： 00:00:00.0000286
Weight: 1
MatchType: PathName
MatchIndex: 0
MatchName: 安徽省宿州市砀山县
MatchRegion: 安徽省 - 宿州市 - 砀山县
Format： 安徽省 - 宿州市 - 砀山县 - 赵屯镇张新庄行政村888号
CallStringIndexOfTimes： 18
MatchLoopTimes： 87
PathNameSkip： 0
IndexQuickTop2Matched： 1
IndexQuickMatched： 1
地址：[安徽省][宿州市][砀山县]赵屯镇张新庄行政村888号
TimeCost： 00:00:00.0000273
Weight: 1
MatchType: PathName
MatchIndex: 0
MatchName: 安徽省宿州市砀山县
MatchRegion: 安徽省 - 宿州市 - 砀山县
Format： 安徽省 - 宿州市 - 砀山县 - [安徽省][宿州市][砀山县]赵屯镇张新庄行政村888号
CallStringIndexOfTimes： 18
MatchLoopTimes： 87
PathNameSkip： 0
IndexQuickTop2Matched： 1
IndexQuickMatched： 1
省去一些级别的区划或加入其它干扰字符，可以看出MatchLoopTimes明显变大，表名优先级不能明确确定，需要更多的处理和比对，因为 MatchType = ShortName 是无法确定一个地址的，最后一个匹配会匹配到 ShortName = 砀山 和 PathName = 河南开封 所以取了河南开封，这在预期之内。
以下示例中 MatchName:砀山 并不准确，其实部分也会命中 安徽、宿州等，只不过最后做了同路径合并，所以 Weight 会大于1
另外一些规则这里不做赘述，请参见源码。
地址：宿州市砀山县赵屯镇张新庄行政村888号
TimeCost： 00:00:00.0000161
Weight: 1
MatchType: PathName
MatchIndex: 0
MatchName: 宿州市砀山县
MatchRegion: 安徽省 - 宿州市 - 砀山县
Format： 安徽省 - 宿州市 - 砀山县 - 赵屯镇张新庄行政村888号
CallStringIndexOfTimes： 7
MatchLoopTimes： 3
PathNameSkip： 17
IndexQuickTop2Matched： 1
IndexQuickMatched： 1
地址：砀山赵屯镇张新庄行政村888号
TimeCost： 00:00:00.0003889
Weight: 1
MatchType: ShortName
MatchIndex: 0
MatchName: 砀山
MatchRegion: 安徽省 - 宿州市 - 砀山县
Format： 安徽省 - 宿州市 - 砀山县 - 赵屯镇张新庄行政村888号
CallStringIndexOfTimes： 204
MatchLoopTimes： 3323
PathNameSkip： 16
IndexQuickTop2Matched： 0
IndexQuickMatched： 1
地址：安徽de宿州哈哈砀山呵呵赵屯镇张新庄行政村888号
TimeCost： 00:00:00.0004405
Weight: 1
MatchType: ShortName
MatchIndex: 8
MatchName: 砀山
MatchRegion: 安徽省 - 宿州市 - 砀山县
Format： 安徽省 - 宿州市 - 砀山县 - 安徽de宿州哈哈呵呵赵屯镇张新庄行政村888号
CallStringIndexOfTimes： 360
MatchLoopTimes： 3323
PathNameSkip： 0
IndexQuickTop2Matched： 1
IndexQuickMatched： 0
地址：安徽de哈哈砀山呵呵赵屯镇张新庄行政村888号
TimeCost： 00:00:00.0004607
Weight: 1
MatchType: ShortName
MatchIndex: 6
MatchName: 砀山
MatchRegion: 安徽省 - 宿州市 - 砀山县
Format： 安徽省 - 宿州市 - 砀山县 - 安徽de哈哈呵呵赵屯镇张新庄行政村888号
CallStringIndexOfTimes： 340
MatchLoopTimes： 3323
PathNameSkip： 3
IndexQuickTop2Matched： 1
IndexQuickMatched： 0
地址：我家在砀山呵呵赵屯镇张新庄行政村888号
TimeCost： 00:00:00.0003966
Weight: 1
MatchType: ShortName
MatchIndex: 3
MatchName: 砀山
MatchRegion: 安徽省 - 宿州市 - 砀山县
Format： 安徽省 - 宿州市 - 砀山县 - 我家在呵呵赵屯镇张新庄行政村888号
CallStringIndexOfTimes： 196
MatchLoopTimes： 3323
PathNameSkip： 16
IndexQuickTop2Matched： 0
IndexQuickMatched： 0
地址：我家在砀山呵呵赵屯，你吃饭了吗镇他家在河南张新庄行政村888号
TimeCost： 00:00:00.0004397
Weight: 1
MatchType: ShortName
MatchIndex: 3
MatchName: 砀山
MatchRegion: 安徽省 - 宿州市 - 砀山县
Format： 安徽省 - 宿州市 - 砀山县 - 我家在呵呵赵屯，你吃饭了吗镇他家在河南张新庄行政村888号
CallStringIndexOfTimes： 335
MatchLoopTimes： 3323
PathNameSkip： 16
IndexQuickTop2Matched： 0
IndexQuickMatched： 0
地址：我的家在安徽，在它最北部有一个叫做宿州市的地方，市最北部有一个县叫“砀山县”，那里就是我家。砀山人民欢迎您
TimeCost： 00:00:00.0069626
Weight: 2
MatchType: Name
MatchIndex: 31
MatchName: 砀山县
MatchRegion: 安徽省 - 宿州市 - 砀山县
Format： 安徽省 - 宿州市 - 砀山县 - 我的家在安徽，在它最北部有一个叫做宿州市的地方，市最北部有一个县叫“”，那里 就是我家。砀山人民欢迎您
CallStringIndexOfTimes： 242
MatchLoopTimes： 3323
PathNameSkip： 0
IndexQuickTop2Matched： 0
IndexQuickMatched： 0
地址：我家在砀山呵呵赵屯，你吃饭了吗镇他家在河南开封张新庄行政村888号
TimeCost： 00:00:00.0002066
Weight: 1
MatchType: PathName
MatchIndex: 18
MatchName: 河南开封
MatchRegion: 河南省 - 开封市
Format： 河南省 - 开封市 - 我家在砀山呵呵赵屯，你吃饭了吗镇他家在张新庄行政村888号
CallStringIndexOfTimes： 175
MatchLoopTimes： 1388
PathNameSkip： 16
IndexQuickTop2Matched： 0
IndexQuickMatched： 1
class Program
{
static void Main(string[] args)
{
//设置一级区划匹配优先级，优先匹配的一级区划，该配置优先级小于算法快速命中的优先级
AddressParser.MakePrioritySort(
_p =>
{
switch (_p.Name)
{
case "上海市":
return 0;
case "江苏省":
return 1;
//......
}
return 99;
}
);
while (true)
{
Console.Write("地址：");
var address = Console.ReadLine();
Stopwatch sw = Stopwatch.StartNew();
List<RegionMatchResult> matchitems = AddressParser.ParsingAddress(address);
sw.Stop();
Console.WriteLine("TimeCost：\t" + sw.Elapsed);
foreach (var matchitem in matchitems)
{
Console.WriteLine(matchitem);
Console.WriteLine("Format：\t" + AddressParser.Format(matchitem, address));
}
#if DEBUG
Console.WriteLine(AddressParser.Statics);
#endif
Console.WriteLine();
}
//{
// var linest = File.ReadAllLines("AddressTest3.txt");
// int process = linest.Length;
// string[] lines = new string[process];
// for (int i = 0; i < lines.Length; i++)
// {
// lines[i] = linest[i % linest.Length];
// }
// List<RegionMatchResult>[] results = new List<RegionMatchResult>[lines.Length];
// while (true)
// {
// Stopwatch sw = Stopwatch.StartNew();
// for (int i = 0; i < lines.Length; i++)
// {
// results[i] = AddressParser.ParsingAddress(lines[i]);
// }
// sw.Stop();
// Console.WriteLine(sw.Elapsed);
// Console.ReadKey();
// }
//}
}
}算法内部包装了什么高级算法吗？没有！！！核心就是string.IndexOf()方法
v2.0：准确度不变，一二级区划快速索引，二级区划开头地址平均性能性能提升1000% v？？？：准确度不变，设计三级地址快速索引，预计性能提升至一二级 50000/s 的水平