[发明专利]基于字符串匹配的身份证住址信息解析方法及系统

说明书

技术领域

本发明涉及到计算机工程技术应用领域，更具体地，是基于字符串匹配的身份证住址信息解析技术方案。

背景技术

二十一世纪是信息化的时代，为了使人们的生活越来越智能化、互联化，个人信息数字化网络化是必要的一步。居民身份证作为居民最主要的身份象征，对于人员活动标识具有重要意义，基于此的用户信息分析对于用户体验及居民安全更具有重大意义。而通过身份证获取居民住址信息则是数字化个人信息的一个重要应用。

身份证住址信息解析系统首先读入用户身份证信息，然后根据身份证信息获取用户所在的省、市、县以及详细住址等信息。现有的身份证住址解析系统可以分为两大类，一类是简单式的，一类是复杂式的。

简单式的身份证住址解析系统就是读取身份证号码，然后根据身份证号码的前六位进行解析：其中前两位为省份代码，后四位为市县代码。根据目前已有身份证代码大全表，可以获得任何身份证所包含的省市直至县区信息。这种方式最大的优点就是实现简单，主要问题是身份证号码所包含的住址信息对应出生所在地，而不是当前实际住址，因此并不是很准确。

复杂式的身份住址解析系统就是通过直接解析身份证里面的住址信息获取省市县信息，从而得到当前户口所在地信息。这种方式可以准确定位到当前户口所在地，但由于住址信息字段的不规则性，地址解析复杂度高，现有系统无法可靠高效地解析身份证住址信息。

因此现在实际用户信息分析工作中，常常需要依赖人工一一查证处理，尤其是在涉及海量人口信息数据时，缺乏有效地技术手段。

发明内容

本发明解决的技术问题在于：正确处理不规整身份证住址信息，快速准确的解析出身份证住址信息中的省市县信息，从而得到其对应的代号和规范化地址。

本发明进一步解决的问题在于：在保证数据可靠的基础上，大幅度提高数据同步的效率。

本发明进一步解决的问题在于：大幅度提高在复杂情况及大数据量下的身份证地址解析的准确率及效率。

本发明的技术方案提供一种基于字符串匹配的身份证住址信息解析方法，包括以下步骤，

步骤1，首先获得全国省市县区及其对应代码，作为初始的地址条目进行规整化处理，包括将省市县及区进行分离，规整后的地址代码条目持久存入数据库中；

步骤2，初始化，包括将数据库中所有规整化的地址代码条目读入存储介质中，对每个地址代码条目同时用两种映射方式存储，一种是设从高级到低级依次为省、市、县、区，取地址代码条目中最低级别的字段与代码的字典映射，记为映射A；另一种是代码到省市县全称的映射，记为映射B；

步骤3，读入一条身份证住址信息的字符串；

步骤4，对当前读入的这条身份证住址信息的字符串进行处理，只保留区、县和市相应关键字，得到关键信息串；

步骤5，设从低级到高级依次为区、县、市，将步骤4所得关键信息串从低级到高级依次进行匹配截取，包括以下子步骤，

步骤5.1，从关键信息串中，提取最低级的子串；

步骤5.2，将当前所取子串与存储介质中的规整化地址代码条目进行查询匹配，

如果匹配成功则根据映射A返回对应的代码，结束对当前读入的这条身份证住址信息匹配结果，根据映射B由代码检索到相应规范的省市县全称，结束本步骤进入步骤6；

否则进入步骤5.3；

步骤5.3，舍弃当前的子串，从关键信息串中，按照区、县、市的顺序，提取高一级的子串，

如果提取失败，匹配失败，结束本步骤进入步骤6；

如果提取成功则返回执行步骤5.2，直到匹配成功或匹配失败；

步骤6，如果还需继续进行身份证地址解析，返回步骤3读入下一条身份证住址信息的字符串进行处理，否则结束流程。

本发明还相应提供一种基于字符串匹配的身份证住址信息解析系统，包括以下模块，

代码存储模块，用于首先获得全国省市县区及其对应代码，作为初始的地址条目进行规整化处理，包括将省市县及区进行分离，规整后的地址代码条目持久存入数据库中；

初始化模块，用于将数据库中所有规整化的地址代码条目读入存储介质中，对每个地址代码条目同时用两种映射方式存储，一种是设从高级到低级依次为省、市、县、区，取地址代码条目中最低级别的字段与代码的字典映射，记为映射A；另一种是代码到省市县全称的映射，记为映射B；

信息输入模块，用于读入一条身份证住址信息的字符串；

关键信息提取模块，用于对当前读入的这条身份证住址信息的字符串进行处理，只保留区、县和市相应关键字，得到关键信息串；