基于Python实现的中文公司名称分词工具，支持公司名称中的地名，品牌名（主词），行业词，公司名后缀提取

# companynameparser [](https://badge.fury.io/py/companynameparser) [](https://pepy.tech/project/companynameparser) [](CONTRIBUTING.md) [](LICENSE)  [](#Contact) company name parser, extract company name brand. 中文公司名称分词工具，支持公司名称中的地名，品牌名（主词），行业词，公司名后缀提取。 **Guide** - [Feature](#Feature) - [Install](#Install) - [Usage](#usage) - [Command Line Usage](#command-line-usage) - [Contribute](#contribute) - [Reference](#Reference) # Feature 对公司名文本解析，识别并提取地名（place）、品牌名(brand)、行业词(trade)、公司名后缀词(suffix)。 # Evaluate 运行评估脚本[evaluate_file.py](./tests/evaluate_file.py)，使用预测结果与GroundTruth完成相等才为算对的保守评估方法， 评估结果： - 准确率：97.0% - 召回率：96.7% # Install - 全自动安装：pip install -U companynameparser - 半自动安装： ``` git clone https://github.com/shibing624/companynameparser.git cd companynameparser python setup.py install ``` 通过以上两种方法的任何一种完成安装都可以。如果不想安装，可以下载github源码包，安装依赖[requirements.txt](./requirements.txt)再使用。 # Usage - Extract Company Name 公司名称各元素提取功能[base_demo.py](./examples/base_demo.py) ```python import companynameparser company_strs = [ "武汉海明智业电子商务有限公司", "泉州益念食品有限公司", "常州途畅互联网科技有限公司合肥分公司", "昆明享亚教育信息咨询有限公司", ] for name in company_strs: r = companynameparser.parse(name) print(r) ``` output: ``` {'place': '武汉', 'brand': '海明智业', 'trade': '电子商务', 'suffix': '有限公司', 'symbol': ''} {'place': '泉州', 'brand': '益念', 'trade': '食品', 'suffix': '有限公司', 'symbol': ''} {'place': '常州,合肥', 'brand': '途畅', 'trade': '互联网科技', 'suffix': '有限公司,分公司', 'symbol': ''} {'place': '昆明', 'brand': '享亚', 'trade': '教育信息咨询', 'suffix': '有限公司', 'symbol': ''} ``` > `parse`方法的此处输入`name`是str; > 输出的是一个包括place(地名)，brand(品牌名)，trade(行业词名)，suffix(后缀名)，symbol(标点符号)的dict; 多个地名词、品牌、行业词之间用`,`间隔，如`'常州,合肥'`。 - All Demo 一个demo演示所有示例[all_demo.py](./examples/all_demo.py)，包括： 1. 公司名称各元素提取 2. 元素名称结果带分词 3. 显示各元素的位置 4. 用户自定义分词词典，用于解决部分误杀和漏召回 ```python import companynameparser company_strs = [ "武汉海明智业电子商务有限公司", "泉州益念食品有限公司", "常州途畅互联网科技有限公司合肥分公司", "昆明享亚教育信息咨询有限公司", "深圳光明区三晟股份有限公司", ] for name in company_strs: r = companynameparser.parse(name) print(r) print("*" * 42, ' enable word segment') for name in company_strs: r = companynameparser.parse(name, pos_sensitive=False, enable_word_segment=True) print(r) print("*" * 42, ' pos sensitive') for name in company_strs: r = companynameparser.parse(name, pos_sensitive=True, enable_word_segment=False) print(r) print("*" * 42, 'enable word segment and pos') for name in company_strs: r = companynameparser.parse(name, pos_sensitive=True, enable_word_segment=True) print(r) print("*" * 42, 'use custom name') companynameparser.set_custom_split_file('./custom_name_split.txt') for i in company_strs: r = companynameparser.parse(i) print(r) ``` output: ``` {'place': '武汉', 'brand': '海明智业', 'trade': '电子商务', 'suffix': '有限公司', 'symbol': ''} {'place': '泉州', 'brand': '益念', 'trade': '食品', 'suffix': '有限公司', 'symbol': ''} {'place': '常州,合肥', 'brand': '途畅', 'trade': '互联网科技', 'suffix': '有限公司,分公司', 'symbol': ''} {'place': '昆明', 'brand': '享亚', 'trade': '教育信息咨询', 'suffix': '有限公司', 'symbol': ''} {'place': '深圳光明', 'brand': '区三晟', 'trade': '', 'suffix': '股份有限公司', 'symbol': ''} ****************************************** enable word segment {'place': '武汉', 'brand': '海明智业', 'trade': '电子商务', 'suffix': '有限公司', 'symbol': ''} {'place': '泉州', 'brand': '益念', 'trade': '食品', 'suffix': '有限公司', 'symbol': ''} {'place': '常州,合肥', 'brand': '途畅', 'trade': '互联网,科技', 'suffix': '有限公司,分公司', 'symbol': ''} {'place': '昆明', 'brand': '享亚', 'trade': '教育,信息,咨询', 'suffix': '有限公司', 'symbol': ''} {'place': '深圳光明', 'brand': '区三晟', 'trade': '', 'suffix': '股份,有限公司', 'symbol': ''} ****************************************** pos sensitive {'place': [('武汉', 0, 2)], 'brand': [('海明智业', 2, 6)], 'trade': [('电子商务', 6, 10)], 'suffix': [('有限公司', 10, 14)], 'symbol': []} {'place': [('泉州', 0, 2)], 'brand': [('益念', 2, 4)], 'trade': [('食品', 4, 6)], 'suffix': [('有限公司', 6, 10)], 'symbol': []} {'place': [('常州', 0, 2), ('合肥', 13, 15)], 'brand': [('途畅', 2, 4)], 'trade': [('互联网科技', 4, 9)], 'suffix': [('有限公司', 9, 13), ('分公司', 15, 18)], 'symbol': []} {'place': [('昆明', 0, 2)], 'brand': [('享亚', 2, 4)], 'trade': [('教育信息咨询', 4, 10)], 'suffix': [('有限公司', 10, 14)], 'symbol': []} {'place': [('深圳光明', 0, 4)], 'brand': [('区三晟', 4, 7)], 'trade': [], 'suffix': [('股份有限公司', 7, 13)], 'symbol': []} ****************************************** enable word segment and pos {'place': [('武汉', 0, 2)], 'brand': [('海明智业', 2, 6)], 'trade': [('电子商务', 6, 10)], 'suffix': [('有限公司', 10, 14)], 'symbol': []} {'place': [('泉州', 0, 2)], 'brand': [('益念', 2, 4)], 'trade': [('食品', 4, 6)], 'suffix': [('有限公司', 6, 10)], 'symbol': []} {'place': [('常州', 0, 2), ('合肥', 13, 15)], 'brand': [('途畅', 2, 4)], 'trade': [('互联网', 4, 7), ('科技', 7, 9)], 'suffix': [('有限公司', 9, 13), ('分公司', 15, 18)], 'symbol': []} {'place': [('昆明', 0, 2)], 'brand': [('享亚', 2, 4)], 'trade': [('教育', 4, 6), ('信息', 6, 8), ('咨询', 8, 10)], 'suffix': [('有限公司', 10, 14)], 'symbol': []} {'place': [('深圳光明', 0, 4)], 'brand': [('区三晟', 4, 7)], 'trade': [], 'suffix': [('股份', 7, 9), ('有限公司', 9, 13)], 'symbol': []} ****************************************** use custom name {'place': '武汉', 'brand': '海明智业', 'trade': '电子商务', 'suffix': '有限公司', 'symbol': ''} {'place': '泉州', 'brand': '益念', 'trade': '食品', 'suffix': '有限公司', 'symbol': ''} {'place': '常州,合肥', 'brand': '途畅', 'trade': '互联网科技', 'suffix': '有限公司,分公司', 'symbol': ''} {'place': '昆明', 'brand': '享亚', 'trade': '教育信息咨询', 'suffix': '有限公司', 'symbol': ''} {'place': '深圳光明区', 'brand': '三晟', 'trade': '', 'suffix': '股份有限公司', 'symbol': ''} ``` ## Command Line Usage <details> <summary>命令行模式</summary> 支持批量提取地址的省市区信息： ``` python3 -m companynameparser company_demo.txt -o out.csv usage: python3 -m companynameparser [-h] -o OUTPUT input @description: positional arguments: input the input file path, file encode ne