Geocoder::US 2.0 技术文档
2024-12-23 18:44:28作者:凌朦慧Richard
1. 安装指南
1.1 系统要求
- 编译工具: gcc/g++, make, bash 或等效工具。
- 解压工具: unzip。
- SQLite 3: 需要 SQLite 3 的可执行文件和开发文件。
- Ruby: 需要 Ruby 环境。
- Ruby Gems: 需要安装
Text和fastercsvgem。 - SQLite3-Ruby Gem: 需要一个支持加载扩展模块的
sqlite3-rubygem,可以从 GitHub 获取。
1.2 安装步骤
- 下载源码: 从项目仓库下载 Geocoder::US 2.0 的源码。
- 编译: 解压源码后,进入源码目录,运行
make命令进行编译。 - 安装: 运行
make install以系统范围安装 gem。
2. 项目使用说明
2.1 基本使用
Geocoder::US 2.0 是一个用于地理编码美国街道地址的软件包。它主要用于与美国人口普查局的免费 TIGER/Line 数据集一起使用,但也支持其他来源的美国街道地址范围数据。
2.2 示例代码
require 'geocoder/us'
db = Geocoder::US::Database.new("/opt/tiger/geocoder.db")
p db.geocode("1600 Pennsylvania Av, Washington DC")
2.3 Web 服务
项目包含一个示例 Web 服务,位于 lib/geocoder/rest.rb。运行该服务需要 Sinatra 和设置 GEOCODER_DB 环境变量。
GEOCODER_DB=/path/to/geocoder/geocoder.db ruby /path/to/gem/geocoder/lib/geocoder/us/rest.rb
然后可以通过以下 URL 查询 GeoCommons 地理编码器:
http://localhost:9393/geocode.html?q=303+11th St NE,Washington,DC
3. 项目API使用文档
3.1 初始化数据库
db = Geocoder::US::Database.new("/opt/tiger/geocoder.db", options)
3.2 地理编码
result = db.geocode("1600 Pennsylvania Av, Washington DC")
3.3 可选参数
- dbtype: 数据库几何块编码格式。
- debug: 调试模式。
- cache: SQLite 缓存大小,单位为 KB。
4. 项目安装方式
4.1 源码编译
- 解压源码: 解压下载的源码包。
- 编译: 进入源码目录,运行
make命令。 - 安装: 运行
make install以系统范围安装 gem。
4.2 生成数据库
- 导入 TIGER/Line 数据: 运行
build/tiger_import命令导入数据。 - 构建索引: 运行
build/build_indexes命令构建数据库索引。 - 集群数据库表(可选): 运行
build/rebuild_cluster命令集群数据库表。
4.3 运行单元测试
ruby tests/run.rb
如果有数据库,可以运行:
ruby tests/run.rb /opt/tiger/geocoder.db
通过以上步骤,您可以成功安装并使用 Geocoder::US 2.0 项目。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660