从字符串中解析可用的街道地址、城市、州、Zip

Question

从字符串中解析可用的街道地址、城市、州、Zip我在Access数据库中有一个地址字段，该字段已转换为SQLServer 2005。这个字段的所有内容都在一个字段中。我需要将地址的各个部分解析到规范化表中的相应字段中。我需要对大约4，000条记录这样做，而且它需要是可重复的。假设：在美国设定一个地址(目前)假设输入字符串有时将包含收件人(被寻址者)和/或第二街道地址(即Suite B)。国家可以缩写邮政编码可以是标准的5位数字，也可以是zip+4。在某些情况下有排字。更新：在回答提出的问题时，标准没有得到普遍遵守，我需要存储单个值，而不仅仅是地理代码和错误表示错误(以上更正)。样本数据：A.P.Croll&son 2299 Lewes-Georgetown Hwy，乔治敦，DE 19947绍尼路11522号，格林伍德DE 19950国王高速公路144号，S.W.多佛，DE 19901综合一致服务2宾士道405号新城堡套房，DE 19720休谟不动产33梅德尔岭法院，刘易斯，DE 19958尼克尔斯挖掘2742号普拉斯基休伊纽瓦克，DE 19711编号DE 19904，Smyrna，布林锡安路2284号VEI Dover十字路口，LLC 1500蛇形路，巴尔的摩MD21套房100北杜邦公路多佛580号，DE 19901P.O.DE 19903多佛778方框

Answer 1

我在这类解析方面做了很多工作。因为有错误，你不会获得100%的准确性，但有几件事，你可以做的方式，大部分的方式，然后做一个可视化的BS测试。这是解决这一问题的一般方法。这不是代码，因为编写它是很学术的，没有什么奇怪的，只是很多字符串处理。

(现在您已经发布了一些示例数据，我做了一些小改动)

1. 向后工作。从接近尾端的邮政编码开始，使用两种已知格式之一：xxxxx或XXXXX-XXXX。如果这没有出现，你可以假设你在城市，州部分，下面。
2. 下一件事，在拉链之前，将是状态，它要么是两个字母的格式，要么是文字。你也知道这些会是什么-只有50个。此外，您还可以搜索单词以帮助弥补拼写错误。
3. 在那之前是城市

   可能

   和州在同一条线上。你可以用一个

   邮政编码数据库

   根据拉链检查城市和州，或者至少使用它作为BS检测器。
4. 街道地址一般是一两行。第二行通常是套件号(如果有)，但也可以是PO框。
5. 在第一行或第二行上检测到一个名字几乎是不可能的，但是如果它没有以一个数字作为前缀(或者它的前缀是“attn：”或“注意：”)，它可以提示您它是名称还是地址行。

我希望这能有所帮助。

Answer 2

我认为外包这个问题是最好的选择：把它发送给谷歌(或雅虎)的地编码器。Geo编码器不仅返回lat/long(这里不感兴趣)，还返回地址的丰富解析，其中填充了您没有发送的字段(包括ZIP+4和Country)。

例如，解析“1600AmphitheaParkway，山景城，CA”就会产生这样的结果。

{
  "name": "1600 Amphitheatre Parkway, Mountain View, CA, USA",
  "Status": {
    "code": 200,
    "request": "geocode"
  },
  "Placemark": [
    {
      "address": "1600 Amphitheatre Pkwy, Mountain View, CA 94043, USA",
      "AddressDetails": {
        "Country": {
          "CountryNameCode": "US",
          "AdministrativeArea": {
            "AdministrativeAreaName": "CA",
            "SubAdministrativeArea": {
              "SubAdministrativeAreaName": "Santa Clara",
              "Locality": {
                "LocalityName": "Mountain View",
                "Thoroughfare": {
                  "ThoroughfareName": "1600 Amphitheatre Pkwy"
                },
                "PostalCode": {
                  "PostalCodeNumber": "94043"
                }
              }
            }
          }
        },
        "Accuracy": 8
      },
      "Point": {
        "coordinates": [-122.083739, 37.423021, 0]
      }
    }
  ]}

现在那是可以解释！