Python编程使用有限状态机识别地址有效性(地址状态)

在收发快递填写地址的时候，我们会经常手动输入地址让程序智能识别，标准的地址比如，xx省xx市xx县/区xx路xx号，不过有时候也可以简单写：xx市xx县/区xx路xx号，或者xx省xx县/区xx路xx号，或者xx市xx路xx号。

但是有些就不是合法的地址了，比如 xx省xx街道xx号，或者 xx市xx省xx区xx号。

那么问题来了，如何识别一个地址是否有效，确切的讲，如何编程识别一个中国地址是否有效？

虽然我们大脑可以一眼识别，但是让计算器去识别，可以不是一件容易的事，根本原因在于地址的描述虽然看上去简单，但是它依然是比较复杂的上下文有关的文法。

比如 “上海市北京东路 xx 号，南京市北京东路 xx 号”，扫描到北京东路时，它后面的门牌号是否构成正确的地址要看上下文，即城市名。

所幸的是，地址的上下文比较简单，是有限的，虽然我们可以暴力穷举所有省、市、区、街道。但有效的方法还是有限状态机。

每一个有限状态机都有一个开始状态和一个终止状态，以及若干中间状态，每一条弧上带着一个状态进入下一个状态的条件，比如在上图中当前的状态如果是省，如果遇到下一个词组和区有关就进入区，如果遇到下一个词组和城市有关那么就进入市。

如果一条地址能从状态机的开始状态，经过状态机的若干中间状态，最终走到终止状态，则这条地址有效，否则无效。

比如 xx市xx省xx区xx号就是无效地址，无法从市走到省。

现在我们通过一个简单的优先状态机来实现，代码有注释，很容易看懂

from enum import Enum
def isAddress(address: str) -> bool:
 
 #定义状态
 State = Enum("State", [
  "STATE_INITIAL", #开始
  "STATE_PROVINCE", # 省
  "STATE_CITY", # 市
  "STATE_AREA", # 区 / 县
  "STATE_STREET", # 街道
  "STATE_NUM", #号
  "STATE_END", #结束
  "STATE_ILLEGAL", #错误状态
 ])
 def toAddressType(addr_slice : str) -> State:
  if "省" in addr_slice:
return State.STATE_PROVINCE
  elif "市" in addr_slice:
return State.STATE_CITY
  elif "区" in addr_slice or "县" in addr_slice:
return State.STATE_AREA
  elif "路" in addr_slice or "街道" in addr_slice:
return State.STATE_STREET
  elif "号" in addr_slice:
return State.STATE_NUM
  else:
return State.STATE_ILLEGAL
 #定义状态转移
 transfer = {
  #开始可以转为 省或市
  State.STATE_INITIAL: {
State.STATE_PROVINCE, 
State.STATE_CITY,
  },
  #省可以转 市或区县
  State.STATE_PROVINCE:{
State.STATE_CITY,
State.STATE_AREA,
  },
  #市可以转区或街道
  State.STATE_CITY: {
State.STATE_AREA,
State.STATE_STREET,
  },
  #区县可以转街道
  State.STATE_AREA: {
State.STATE_STREET,
  },
  #街道可以转号或终止
  State.STATE_STREET: {
State.STATE_NUM,
State.STATE_END,
  },
  #号只能转终止
  State.STATE_NUM: {
State.STATE_END,
  },
 } 
 st = State.STATE_INITIAL
 for ch in address:
  current_state = toAddressType(ch)
  if current_state not in transfer[st]:
return False
  st = current_state 
  return st in [State.STATE_STREET, State.STATE_NUM,State.STATE_END] 
if __name__ == '__main__':
 address1 = ["江苏省","苏州市", "吴中区", "中山北路", "208号"]
 address2 = ["苏州市","吴中区", "中山北路", "208号"]
 address3 = ["苏州市","吴江区", "中山北路", "208号"]
 address4 = ["苏州市","吴江区","208号"]
 address5 = ["苏州市","中山北路"]
 assert isAddress(address1)
 assert isAddress(address2)
 assert isAddress(address3)
 assert isAddress(address5)
 assert isAddress(address4) == False

这里没有对整个地址字符串进行分词，而是直接将地址写成了列表的形式，主要为了说明状态机的实现和应用，上述代码仅能从格式上保证地址是有效的，并不能确保地址真实有效，如果要判断是真实有效的，那就需要将全国所有的省、市、区县、街道建立一个 hash 表，门牌号可以用范围表示，再进行状态转移判断。

上述代码的 transfer 就是一个 hash 表，相当于把所有正确转移的情况都穷举了一遍，它穷尽了在任何一种情况下，对应任何的输入，需要转义的状态。