PSP个人软件过程实践-优快云博客

PSP

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	60	60
Estimate	估计这个任务需要多少时间	20	20
Development	开发	300	250
Analysis	需求分析 (包括学习新技术)	180	120
Design Spec	生成设计文档	90	60
Design Review	设计复审	90	30
Coding Standard	代码规范 (为目前的开发制定合适的规范)	30	10
Design	具体设计	60	120
Coding	具体编码	300	600
Code Review	代码复审	30	10
Test	测试（自我测试，修改代码，提交修改）	60	20
Reporting Standard	报告	60	40
Test Repor	测试报告	60	40
Size Measurement	计算工作量	20	10
Postmortem & Process Improvement Plan	事后总结, 并提出过程改进计划	30	20
.	合计	1330	2570

设计与实现

组织结构

结构如下：

主要包含：

两个unordered_map，Province和Municipality，存储省、市信息和直辖市信息
两个编码转换的函数，负责UTF-8和Unicode的相互转化
一个格式拼接函数，负责将Address解析出的结果拼接成一个json格式数组
一个类Address，主要有地址解析、格式转化两大功能
- 其中地址解析功能又分出若干函数，来实现逐级解析，结构如下

类与函数的关系

以流程图的形式大致描述处理思路

有关算法

文本匹配：说实话，对于这样小量的文本匹配工作，朴素的匹配算法已经足够（KMP之类的高效匹配算法由于其需要额外的空间开销和预处理时间，并不能体现出效率优势，徒增编程复杂度），因此我选择直接调用string中的find函数进行匹配。
地名检索并提取：由于文本匹配可优化的幅度极其有限，因此我主要在地名的检索上做一些工作。我将我国所有省、市两级的信息爬下来，以文本文件的形式存在本地。在类初始化时将其读入，用哈希表unordered_map储存，key为省份，value为该省份下所有市组成的vector。通过枚举所有省份来匹配地址中的省份，匹配完省份后，就可以枚举该省份下的市行政区，继续匹配市级。
独到之处：并没有什么独到之处，硬要说的话，大概就是我是少数用C++写这个项目的，踩了无数中文编码上的坑。还有我是用本地存表的形式来辅助地址解析的，核心逻辑也都是手写的，没有调用现成的一些接口，因此对于一些奇怪的情况难以正确解析。

性能改进

原先对于省市的检索，是通过遍历整个文本文件，对于文本中的每个省（或市）都去查找能否匹配上输入地址，因此是省市数量*文本匹配的复杂度。
考虑用哈希表unordered_map来存储省市信息，提高检索效率，对于确定省份的情况，从键值为该省份的vector中寻找市级行政区，而不需要全部枚举
性能分析图如下：

可以从上图看出，时间的开销主要在初始化上，也就是从文本文件中读入省、市信息并储存上。

单元测试

测试了一些比较容易错误解析的情况，如：
input:

1!洪嘹,广东佛山市高明区更15198460545合镇广明高速公路界村林场.
1!娄伤囚,13592755594浙江省杭州市所前镇袄庄陈村工业园区5号楼.
2!乐愿,山东省潍坊安丘15223742753市兴安街道南关头巷南关头幼儿园.
2!李四,福建省福州13756899511市鼓楼区鼓西街道湖滨路110号湖滨大厦一层.
1!张三,福建福州闽13599622362侯县上街镇福州大学10#111.
2!王五,福建省福州市鼓楼18960221533区五一北路123号福州鼓楼医院.
3!小美,北京市东15822153326城区交道口东大街1号北京市东城区人民法院.
1!小陈,广东省东莞市凤岗13965231525镇凤平路13号.
2!东海黄,上海市吊人区北大街89号垃圾堆.

output:

[{"姓名":"洪嘹","手机":"15198460545","地址":["广东省","佛山市","高明区","更合镇","广明高速公路界村林场"]},{"姓名":"娄伤囚","手机":"13592755594","地址":["浙江省","杭州市","所前镇袄庄陈村工业园区","","5号楼"]},{"姓名":"乐愿","手机":"15223742753","地址":["山东省","潍坊市","安丘市","兴安街道","南关头巷","","南关头幼儿园"]},{"姓名":"李四","手机":"13756899511","地址":["福建省","福州市","鼓楼区","鼓西街道","湖滨路","110号","湖滨大厦一层"]},{"姓名":"张三","手机":"13599622362","地址":["福建省","福州市","闽侯县","上街镇","福州大学10#111"]},{"姓名":"王五","手机":"18960221533","地址":["福建省","福州市","鼓楼区","","五一北路","123号","福州鼓楼医院"]},{"姓名":"小美","手机":"15822153326","地址":["北京","北京市","东城区","","交道口东大街","1号","北京市东城区人民法院"]},{"姓名":"小陈","手机":"13965231525","地址":["广东省","东莞市","","凤岗镇","凤平路13号"]},{"姓名":"东海黄","手机":"","地址":["上海","上海市","吊人区","","北大街","89号","垃圾堆"]}]

可以发现对于第二条，实际上是缺失了第三级地址，但我误把工业园区当作了第三级，对此.......不借助成熟接口且不存入一张信息量巨大的表的话，我真的没办法了。