如何根据位置字段将用户分类到不同国家？

Question

大多数网页应用都有一个地点字段，用户可以在这里输入他们选择的地点。

那么，如何根据用户输入的地点把他们分类到不同的国家呢？

比如，我使用了 Stack Overflow 的一个数据文件 users.xml，提取了用户的名字、声誉和地点：

['Jeff Atwood', '12853', 'El Cerrito, CA']
['Jarrod Dixon', '1114', 'Morganton, NC']
['Sneakers OToole', '200', 'Unknown']
['Greg Hurlman', '5327', 'Halfway between the boardwalk and Six Flags, NJ']
['Power-coder', '812', 'Burlington, Ontario, Canada']
['Chris Jester-Young', '16509', 'Durham, NC']
['Teifion', '7024', 'Wales']
['Grant', '3333', 'Georgia']
['TimM', '133', 'Alabama']
['Leon Bambrick', '2450', 'Australia']
['Coincoin', '3801', 'Montreal']
['Tom Grochowicz', '125', 'NJ']
['Rex M', '12822', 'US']
['Dillie-O', '7109', 'Prescott, AZ']
['Pete', '653', 'Reynoldsburg, OH']
['Nick Berardi', '9762', 'Phoenixville, PA']
['Kandis', '39', '']
['Shawn', '4248', 'philadelphia']
['Yaakov Ellis', '3651', 'Israel']
['redwards', '21', 'US']
['Dave Ward', '4831', 'Atlanta']
['Liron Yahdav', '527', 'San Rafael, CA']
['Geoff Dalgas', '648', 'Corvallis, OR']
['Kevin Dente', '1619', 'Oakland, CA']
['Tom', '3316', '']
['denny', '573', 'Winchester, VA']
['Karl Seguin', '4195', 'Ottawa']
['Bob', '4652', 'US']
['saniul', '2352', 'London, UK']
['saint_groceon', '1087', 'Houston, TX']
['Tim Boland', '192', 'Cincinnati Ohio']
['Darren Kopp', '5807', 'Woods Cross, UT']

我用下面的 Python 脚本来实现：

from xml.etree import ElementTree

root = ElementTree.parse('SO Export/so-export-2009-05/users.xml').getroot()
items = ['DisplayName','Reputation','Location']

def loop1():
    for count,i in enumerate(root):
    det = [i.get(x) for x in items]
    print det
    if count>30: break

loop1()

那么，最简单的方法是什么呢？有没有现成的查找表可以告诉我，某个地点 X 属于哪个国家 Y？

这个查找表不需要完全准确。通过在 Google 上查询地点字符串，或者更好的是使用 Wolfram Alpha，可以得到相对准确的答案。

Answer 1

为了避免混淆，最好让用户明确填写他们的国家。这是最正确的做法。

如果不行，至少可以根据他们的IP地址来做个大致的判断。

比如说，['Grant', '3333', 'Georgia']

这个“Georgia”是指美国的乔治亚州吗？还是指格鲁吉亚共和国呢？

如果他们的IP地址显示在中亚或东欧，那很可能是指格鲁吉亚共和国。如果是在北美，那大概率是指美国的乔治亚州。

需要注意的是，IP地址和国家之间的对应关系并不是100%准确的，而且这个数据库需要定期更新。依我看，这样做麻烦得很。

Answer 2

你可以使用一个叫做地理编码API的工具，比如geopy（这里有一些例子）。

比如说，谷歌的地理编码API会在返回的结果中告诉你国家的名字，具体是在CountryNameCode这个字段里。

不过，仅仅依靠这个位置字段，可能会有不少错误匹配，但也许这样已经足够用了。

如果你有服务器的日志记录，可以尝试用IP地理编码器查找用户的IP地址（更多信息可以参考维基百科）。