征求下大家意见~~~~~~

[Lie_li]

这样的~~

从某网站抓取的一批数据,城市这一项

同一个城市有好几种写发

比如北京

beijing

Beijing

beijingcity

bejingtianjing

beijingchina

bei jig city

当我对城市信息统计时,肯定少不了数据清晰工作.

每次都有少则几大千 多则几W

要是我一个个手动来弄的话,蛮烦的


所以我现在打算用程序来做,用正则来清洗数据

而用正则的话,我就必须要把中国的所有城市先给搜罗来然后改成各种形式的正则


那么

这效率,速度上是否.......

或者你有更好的方法?

[kao331431214]

而用正则的话,我就必须要把中国的所有城市先给搜罗来然后改成各种形式的正则
你网上找下 这样的正则以前应该有人做过的
自己做也行 总比人工处理强
而且有了以后 做处理就是点点按钮的事情了呵呵

[Lie_li]

正则能力不是我担心的

我担心的是速度上


我的数据源 少则几大千 多则几万


全中国有多少城市？ 需要匹配的量~？


等待被匹配的数据有几大千 或几万

然后每条数据需要经过的判断又是不知道多少



速度~ 效率 ~ 是我关注的问题

[ip_moon]

我一般用正则。。。

[冀章的小目标]

还是正则吧