Analyser utilisable Adresse, Ville, État, code Postal à partir d'une chaîne

J'ai fait beaucoup de travail sur ce type d'analyse. Parce qu'il y a des erreurs, vous ne pourrez pas obtenir une précision de 100%, mais il ya quelques choses que vous pouvez faire pour obtenir plus de chemin, et puis faire un visual BS test. Voici le chemin pour aller à ce sujet. Ce n'est pas le code, parce qu'il est assez académique à l'écrire, il n'y a pas quelque chose d'étrange, juste beaucoup de manipulation des chaînes.

(Maintenant que vous avez posté des exemples de données, j'ai fait quelques modifications mineures)

1. Travailler à reculons. Démarrer à partir du code postal, qui sera près de la fin, et dans un des deux formats connus: XXXXX ou XXXXX-XXXX. Si cela n'apparaît pas, vous pouvez supposer que vous êtes dans la ville, l'état partie, ci-dessous.
2. La chose suivante, avant le zip, va être à l'état, et il sera soit dans un deux-format lettre, ou que les mots. Vous savez ce qu'ils seront, aussi, il y a seulement 50 d'entre eux. Aussi, vous pouvez soundex les mots pour aider à compenser les erreurs d'orthographe.
3. avant que la ville, et c'est probablement sur la même ligne que l'état. Vous pouvez utiliser un code postal de la base de données pour vérifier la ville et de l'état basé sur le zip, ou au moins de l'utiliser comme un BS détecteur.
4. L'adresse de la rue sera généralement une ou deux lignes. La deuxième ligne sera généralement le numéro de série s'il en est, mais il pourrait aussi être une boîte POSTALE.
5. Ça va être quasi impossible de détecter un nom sur la première ou la deuxième ligne, mais si elle n'est pas précédée par un nombre (ou s'il est précédé d'un "attn:" ou "attention:" il pourrait vous donner un indice quant à savoir si c'est un nom ou une adresse de ligne.

J'espère que cela aide un peu.

L'affiche originale a probablement longtemps déplacé, mais j'ai pris un coup de couteau au portage de Perl Geo::StreetAddress:NOUS module utilisé par geocoder.nous à C#, sous-évaluées sur CodePlex, et pense que les gens tombent sur cette question dans l'avenir peuvent le trouver utile:

NOUS Analyseur Adresse

Sur le projet de la page d'accueil, j'ai essayé de parler de sa (très vrai) limitations. Car il n'est pas soutenu par l'USPS base de données valide l'adresse municipale, l'analyse peut être ambiguë et il ne peut pas confirmer ni infirmer la validité d'une adresse donnée. Il peut juste essayer de tirer des données de la chaîne.

Il est destiné pour le cas où vous avez besoin pour obtenir un ensemble de données principalement dans le droit des champs, ou que vous souhaitez fournir un raccourci à l'entrée de données (permettant aux utilisateurs de coller une adresse dans une zone de texte plutôt que de tabulation entre plusieurs champs). Il est pas signifiait pour vérifier la disponibilité d'une adresse.

Il ne cherche pas à analyser tout au-dessus de la rue, mais on pourrait sans doute diddle avec les regex pour obtenir quelque chose d'assez proche--je serais probablement casser juste à le numéro de la maison.

Après avis ici, j'ai élaboré la fonction suivante dans VB qui crée passable, bien que pas toujours parfait (si un nom de société et d'une suite de la courbe, il combine la suite et de la ville) de données utilisables. N'hésitez pas à commenter/refactor/crier à moi pour casser l'un de mes propres règles, etc.:

Public Function parseAddress(ByVal input As String) As Collection
input = input.Replace(",", "")
input = input.Replace("  ", " ")
Dim splitString() As String = Split(input)
Dim streetMarker() As String = New String() {"street", "st", "st.", "avenue", "ave", "ave.", "blvd", "blvd.", "highway", "hwy", "hwy.", "box", "road", "rd", "rd.", "lane", "ln", "ln.", "circle", "circ", "circ.", "court", "ct", "ct."}
Dim address1 As String
Dim address2 As String = ""
Dim city As String
Dim state As String
Dim zip As String
Dim streetMarkerIndex As Integer
zip = splitString(splitString.Length - 1).ToString()
state = splitString(splitString.Length - 2).ToString()
streetMarkerIndex = getLastIndexOf(splitString, streetMarker) + 1
Dim sb As New StringBuilder
For counter As Integer = streetMarkerIndex To splitString.Length - 3
sb.Append(splitString(counter) + " ")
Next counter
city = RTrim(sb.ToString())
Dim addressIndex As Integer = 0
For counter As Integer = 0 To streetMarkerIndex
If IsNumeric(splitString(counter)) _
Or splitString(counter).ToString.ToLower = "po" _
Or splitString(counter).ToString().ToLower().Replace(".", "") = "po" Then
addressIndex = counter
Exit For
End If
Next counter
sb = New StringBuilder
For counter As Integer = addressIndex To streetMarkerIndex - 1
sb.Append(splitString(counter) + " ")
Next counter
address1 = RTrim(sb.ToString())
sb = New StringBuilder
If addressIndex = 0 Then
If splitString(splitString.Length - 2).ToString() <> splitString(streetMarkerIndex + 1) Then
For counter As Integer = streetMarkerIndex To splitString.Length - 2
sb.Append(splitString(counter) + " ")
Next counter
End If
Else
For counter As Integer = 0 To addressIndex - 1
sb.Append(splitString(counter) + " ")
Next counter
End If
address2 = RTrim(sb.ToString())
Dim output As New Collection
output.Add(address1, "Address1")
output.Add(address2, "Address2")
output.Add(city, "City")
output.Add(state, "State")
output.Add(zip, "Zip")
Return output
End Function
Private Function getLastIndexOf(ByVal sArray As String(), ByVal checkArray As String()) As Integer
Dim sourceIndex As Integer = 0
Dim outputIndex As Integer = 0
For Each item As String In checkArray
For Each source As String In sArray
If source.ToLower = item.ToLower Then
outputIndex = sourceIndex
If item.ToLower = "box" Then
outputIndex = outputIndex + 1
End If
End If
sourceIndex = sourceIndex + 1
Next
sourceIndex = 0
Next
Return outputIndex
End Function

Passage de la parseAddress fonction "A. P. Croll & Fils 2299 Lewes-Georgetown Autoroute, Georgetown, DE 19947" retourne:

2299 Lewes-Georgetown Hwy
A. P. Croll & Son  
Georgetown
DE
19947

SmartyStreets a une nouvelle fonction qui extrait les adresses de l'arbitraire des chaînes d'entrée. (Note: je n'ai pas de travail à la SmartyStreets.)

Il réussi à extraire toutes les adresses à partir de l'échantillon d'entrée donné dans la question ci-dessus. (Par ailleurs, seulement 9 de ces 10 adresses sont valides.)

Voici une partie de la sortie:

Et voici la sortie au format CSV de la même requête:

ID,Start,End,Segment,Verified,Candidate,Firm,FirstLine,SecondLine,LastLine,City,State,ZIPCode,County,DpvFootnotes,DeliveryPointBarcode,Active,Vacant,CMRA,MatchCode,Latitude,Longitude,Precision,RDI,RecordType,BuildingDefaultIndicator,CongressionalDistrict,Footnotes
1,32,79,"2299 Lewes-Georgetown Hwy, Georgetown, DE 19947",N,,,,,,,,,,,,,,,,,,,,,,
2,81,119,"11522 Shawnee Road, Greenwood DE 19950",Y,0,,11522 Shawnee Rd,,Greenwood DE 19950-5209,Greenwood,DE,19950,Sussex,AABB,199505209226,Y,N,N,Y,38.82865,-75.54907,Zip9,Residential,S,,AL,N#
3,121,160,"144 Kings Highway, S.W. Dover, DE 19901",Y,0,,144 Kings Hwy,,Dover DE 19901-7308,Dover,DE,19901,Kent,AABB,199017308444,Y,N,N,Y,39.16081,-75.52377,Zip9,Commercial,S,,AL,L#
4,190,232,"2 Penns Way Suite 405 New Castle, DE 19720",Y,0,,2 Penns Way Ste 405,,New Castle DE 19720-2407,New Castle,DE,19720,New Castle,AABB,197202407053,Y,N,N,Y,39.68332,-75.61043,Zip9,Commercial,H,,AL,N#
5,247,285,"33 Bridle Ridge Court, Lewes, DE 19958",Y,0,,33 Bridle Ridge Cir,,Lewes DE 19958-8961,Lewes,DE,19958,Sussex,AABB,199588961338,Y,N,N,Y,38.72749,-75.17055,Zip7,Residential,S,,AL,L#
6,306,339,"2742 Pulaski Hwy Newark, DE 19711",Y,0,,2742 Pulaski Hwy,,Newark DE 19702-3911,Newark,DE,19702,New Castle,AABB,197023911421,Y,N,N,Y,39.60328,-75.75869,Zip9,Commercial,S,,AL,A#
7,341,378,"2284 Bryn Zion Road, Smyrna, DE 19904",Y,0,,2284 Bryn Zion Rd,,Smyrna DE 19977-3895,Smyrna,DE,19977,Kent,AABB,199773895840,Y,N,N,Y,39.23937,-75.64065,Zip7,Residential,S,,AL,A#N#
8,406,450,"1500 Serpentine Road, Suite 100 Baltimore MD",Y,0,,1500 Serpentine Rd Ste 100,,Baltimore MD 21209-2034,Baltimore,MD,21209,Baltimore,AABB,212092034250,Y,N,N,Y,39.38194,-76.65856,Zip9,Commercial,H,,03,N#
9,455,495,"580 North Dupont Highway Dover, DE 19901",Y,0,,580 N DuPont Hwy,,Dover DE 19901-3961,Dover,DE,19901,Kent,AABB,199013961803,Y,N,N,Y,39.17576,-75.5241,Zip9,Commercial,S,,AL,N#
10,497,525,"P.O. Box 778 Dover, DE 19903",Y,0,,PO Box 778,,Dover DE 19903-0778,Dover,DE,19903,Kent,AABB,199030778781,Y,N,N,Y,39.20946,-75.57012,Zip5,Residential,P,,AL,

J'étais le développeur qui a écrit à l'origine du service. L'algorithme que nous avons mis en place est un peu différent des réponses ici, mais chaque extrait adresse est vérifiée à l'encontre de la recherche de l'adresse de l'API, de sorte que vous pouvez être sûr que si c'est valable ou pas. Chaque vérifié résultat est garanti, mais nous savons que les autres résultats ne sera pas parfait, parce que, comme cela a été fait clair dans ce fil, les adresses sont imprévisibles, même pour les humains parfois.

+1 sur James A. Rosen a suggéré la solution a bien fonctionné pour moi, mais pour completists ce site est une histoire fascinante et la meilleure tentative que j'ai vu dans la documentation des adresses dans le monde entier: http://www.columbia.edu/kermit/postal.html

Une autre demande pour des données de l'échantillon.

Comme il a été mentionné, je voudrais travailler à rebours à partir de la zip.

Une fois que vous avez un zip, je voudrais interroger un zip de base de données, de stocker les résultats, et de les supprimer & le zip de la chaîne.

Qui vous laisse l'adresse de désordre. La PLUPART (Tous?) des adresses de commencer avec un nombre afin de trouver la première occurrence d'un nombre dans le reste de la chaîne et de saisir tout l' (nouveau) à la fin de la chaîne. Qui sera votre adresse. Quelque chose à la gauche de ce nombre est probablement un destinataire.

Vous devriez maintenant avoir la Ville, l'État, & Zip stockées dans une table et peut-être de deux chaînes, le destinataire et l'adresse. Pour l'adresse, vérifier l'existence d'une "Suite" ou "Apt". etc. et la diviser en deux valeurs (lignes 1 & 2).

Pour le destinataire je punt et de saisir le mot de la fin de cette chaîne que le nom et mettre le reste dans le champ prénom. Si vous ne voulez pas le faire, vous aurez besoin de vérifier pour le titre (M., Mme, Dr, etc.) au début et à faire des hypothèses sur la base du nombre de places à la façon dont le nom est composé.

Je ne pense pas qu'il n'y a aucune façon vous pouvez analyser avec une précision de 100%.

Basée sur les données de l'échantillon:

1. Je voudrais commencer à la fin de la chaîne. Analyser un code Postal (soit le format). Lire la fin de la première de l'espace. Si aucun Code Postal a été trouvé d'Erreur.

2. De la garniture de la fin, alors pour les espaces et les caractères spéciaux (les virgules)

3. De passer ensuite à l'État, de nouveau utiliser l'Espace comme délimiteur. Peut-être utiliser une liste de recherche pour valider 2 lettre des codes d'état, et l'état complet des noms. Si aucun état, d'erreur.

4. Garniture espaces et les virgules à partir de la fin de nouveau.

5. Ville est difficile, en fait, je peux utiliser une virgule ici, au risque d'avoir trop de données dans la ville. Recherchez la virgule, ou au début de la ligne.

6. Si vous avez encore des caractères à gauche dans la chaîne, mettre tous dans un champ d'adresse.

Ce n'est pas parfait, mais il devrait être un bon point de départ.

Cela ne résout pas votre problème, mais si vous avez uniquement besoin de latitude et de longitude données pour ces adresses, l'API Google Maps va analyser les non-adresses au format assez bien.

Vous pourriez vouloir vérifier cela!! http://jgeocoder.sourceforge.net/parser.html
A travaillé comme un charme pour moi.

Car il y a risque d'erreur dans word, pensez à utiliser SOUNDEX combiné avec les collectivités locales algorithme pour comparer des chaînes de caractères, cela sera d'une grande aide !

Pour ruby ou rails de développeurs il y a un beau bijou appelé street_address.
J'ai été en utilisant cette sur un de mes projet et il fait le travail dont j'ai besoin.

Le seul Problème que j'ai eu a chaque fois qu'une adresse est dans ce format P. O. Box 1410 Durham, NC 27702 il est revenu nul et, par conséquent, j'ai dû remplacer "P. O. Box" avec " et après cela, elle était capable de l'analyser.

Je ne sais pas COMMENT est ce POSSIBLE, mais je n'ai pas vu cette mentionnée j'ai donc pensé que je pourrais aller de l'avant et de proposer ceci:

Si vous êtes strictement à l'américaine... obtenir une énorme base de données de tous les codes postaux, les états, les villes et les rues. Maintenant, regardez dans vos adresses. Vous pouvez valider ce que vous trouvez en essayant de voir si, par exemple, la ville vous avez trouvé existe dans l'état que vous avez trouvé, ou en vérifiant si la rue vous les avez trouvés existe dans la ville que vous avez trouvé. Si pas, les chances sont que John n'est pas pour Jean de la rue, mais le nom du destinataire... en gros, obtenir le plus d'informations que vous pouvez et vérifiez vos adresses contre elle.
Un exemple extrême serait d'obtenir UNE LISTE DE TOUTES LES ADRESSES DANS LA NOUS DE UN et ensuite de trouver lequel est le plus pertinent correspondre à chacune de vos adresses...