Python中如何识别城市与历史国家名称并拆分字符串列表？

这个问题的核心难点确实在历史国家/城市名称的识别上——这类地名很多已经不被当前主流地理API（比如GeoPy、OpenStreetMap）收录，所以最靠谱且高效的方式，就是先预定义好已知的国家（含历史）和城市（含历史）集合，再遍历原列表完成分类。

具体步骤与代码实现 #

1. 先整理地名集合 #

首先，根据你给出的列表内容，把所有明确的国家（包括Prussia、DDR这类历史国家）和城市（包括Constantinople、Leningrad这类历史城市）整理成集合——用集合是因为查找速度比列表快很多：

# 预定义国家集合（包含历史国家）
country_set = {
    'Russia', 'France', 'Prussia', 'Austria', 'Sweden',
    'Great Britain', 'Spain', 'Portugal', 'Germany', 'DDR',
    'the United States'
}

# 预定义城市集合（包含历史城市）
city_set = {
    'Smolensk', 'Moscow', 'Constantinople', 'Frankfurt',
    'Leningrad', 'Paris', 'St. Helena'
}

2. 遍历分类，保留原重复项 #

接下来遍历你的原始列表，把每个元素分配到对应的列表里，还能保留原有的重复项（比如你的列表里有多个Moscow、Paris，分类后也会保留）：

l = [ 'Russia', 'Smolensk', 'Moscow', 'Moscow', 'France', 'France', 'Russia', 'Prussia', 'Austria', 'Sweden', 'Constantinople', 'Russia', 'Great Britain', 'Spain', 'Portugal', 'Germany', 'Frankfurt', 'France', 'Leningrad', 'Paris', 'DDR', 'Paris', 'France', 'Paris', 'the United States', 'St. Helena', ]

l_countries = []
l_cities = []
unknown_items = []  # 可选：收集没匹配上的未知项，方便后续补全

for item in l:
    if item in country_set:
        l_countries.append(item)
    elif item in city_set:
        l_cities.append(item)
    else:
        unknown_items.append(item)

# 输出结果看看
print("国家列表:", l_countries)
print("城市列表:", l_cities)
if unknown_items:
    print("未识别的项:", unknown_items)

3. 后续扩展的小技巧 #

如果之后要加更多历史地名，别直接改代码，可以把集合存到外部配置文件里，比如JSON：

// places.json
{
  "countries": ["Russia", "France", "Prussia", ...],
  "cities": ["Smolensk", "Moscow", "Constantinople", ...]
}

然后在Python里读取：

import json

with open('places.json', 'r', encoding='utf-8') as f:
    place_data = json.load(f)
    country_set = set(place_data['countries'])
    city_set = set(place_data['cities'])

这样更新地名的时候不用动代码，直接改JSON就行。

如果是要处理大量未知的历史地名，那可以考虑训练自定义的NER（命名实体识别）模型（比如用spaCy训练包含历史地名的数据集），但这种方式复杂度高，适合大规模场景，你的需求用预定义集合完全足够。

为啥不推荐用地理API？ #

像GeoPy这类工具主要管现存的地名，对于Prussia（已经消失的国家）、Constantinople（现在叫伊斯坦布尔）这类历史地名，要么识别不出来，要么返回的结果不符合你的分类需求，所以预定义集合是最精准的选择。

内容的提问来源于stack exchange，提问作者Ouss