Istnieje wiele parserów adresów ulicznych. Występują w dwóch podstawowych smakach-tych, które mają bazy danych Nazw Miejscowości i ulic, i tych, które nie.

Parser adresu ulicy wyrażeń regularnych może osiągnąć 95% wskaźnik sukcesu bez większych problemów. Potem zaczynasz uderzać w nietypowe sprawy. Ten Perl w CPAN, "Geo:: StreetAddress:: US", jest o tym dobrze. Istnieją porty Pythona i Javascript, wszystkie open source. Mam ulepszoną wersję w Pythonie która porusza wskaźnik sukcesu nieznacznie się zwiększył, zajmując się większą liczbą przypadków. Aby uzyskać Ostatnie 3%, potrzebujesz baz danych, które pomogą Ci w disambiguacji.

Baza danych z 3-cyfrowymi kodami pocztowymi oraz nazwami i skrótami Stanów USA jest bardzo pomocna. Gdy parser widzi spójny kod pocztowy i nazwę stanu, może rozpocząć pobieranie do formatu. To działa bardzo dobrze w Stanach Zjednoczonych i WIELKIEJ BRYTANII.

Poprawne parsowanie adresu ulicy zaczyna się od końca i działa wstecz. Tak robią to systemy USPS. Adresy są najmniej niejednoznaczne na końcu, gdzie nazwy krajów, nazwy miast i kody pocztowe są stosunkowo łatwe do rozpoznania. Nazwy ulic zwykle można wyodrębnić. Lokalizacje na ulicach są najbardziej złożone do analizy; tam można spotkać rzeczy takie jak "piąte piętro" i "Staples Pavillion". Wtedy baza danych jest bardzo pomocna.

Libpostal: biblioteka open-source do analizy adresów, szkolenia z danych z OpenStreetMap, OpenAddresses i OpenCage.

Https://github.com/openvenues/libpostal ( więcej informacji o tym )

Inne narzędzia/usługi:

• Http://www.gisgraphy.com Darmowy, open source i gotowy do użycia Geocoder i geolokalizacja webservices, integrujący OpenStreetMap, GeoNames i Quattroshapes.

• Https://github.com/kodapan/osm-common Biblioteka do uzyskiwania dostępu do usług OpenStreetMap, parsowania i przetwarzania danych.

• Http://wiki.openstreetmap.org/wiki/Nominatim

• Http://address-parser.net/

• Http://geoservices.tamu.edu/Services/AddressNormalization/

Aktualizacja: Geocode.xyz działa teraz na całym świecie. Przykłady patrz https://geocode.xyz

Dla USA, Meksyku i Kanady patrz geocoder.ca .

Na przykład:

Input: coś się dzieje w pobliżu skrzyżowania main i arthur kill rd new york

Wyjście:

<geodata>
  <latt>40.5123510000</latt>
  <longt>-74.2500500000</longt>
  <AreaCode>347,718</AreaCode>
  <TimeZone>America/New_York</TimeZone>
  <standard>
    <street1>main</street1>
    <street2>arthur kill</street2>
    <stnumber/>
    <staddress/>
    <city>STATEN ISLAND</city>
    <prov>NY</prov>
    <postal>11385</postal>
    <confidence>0.9</confidence>
  </standard>
</geodata>

Możesz również sprawdzić wyniki w interfejsie WWW lub uzyskać wyjście jako Json lub Jsonp. np. Szukam restauracji koło 123 Main Street, Nowy Jork

Nie ma kodu? Wstyd!

Oto prosty parser adresów JavaScript. To dość straszne z każdego powodu, który Matt podaje w swojej pracy powyżej (z czym prawie w 100% się Zgadzam: adresy są złożonymi typami, a ludzie popełniają błędy; lepiej zlecić to na zewnątrz i zautomatyzować-kiedy możesz sobie na to pozwolić).

Ale zamiast płakać, postanowiłem spróbować:

Ten kod działa dobrze do parsowania większości wyników Esri dla findAddressCandidate, a także z innymi (odwrotnymi)geokoderami, które zwracają adres jednowierszowy, w którym ulica/Miasto/Stan są oddzielone przecinkami. Możesz rozszerzyć, jeśli chcesz lub napisać parsery specyficzne dla danego kraju. Lub po prostu użyj tego jako studium przypadku, jak trudne może być to ćwiczenie lub jak kiepski jestem w JavaScript. Przyznaję, że spędziłem na tym tylko około trzydziestu minut (przyszłe iteracje mogą dodawać Cache, walidację zip i wyszukiwanie stanu, a także kontekst lokalizacji użytkownika), ale działało to w moim przypadku użycia: Użytkownik końcowy widzi formularz, który parsuje odpowiedź wyszukiwania geocode do 4 pól tekstowych. Jeśli parsowanie adresów wychodzi źle (co jest rzadkie, chyba że dane źródłowe były słabe) to nic wielkiego - użytkownik może to zweryfikować i naprawić! (Ale dla zautomatyzowanych rozwiązań może albo odrzucić/zignorować lub oznaczyć jako błąd, więc dev może albo wspierać nowy format lub naprawić dane źródłowe.)

/* 
address assumptions:
- US addresses only (probably want separate parser for different countries)
- No country code expected.
- if last token is a number it is probably a postal code
-- 5 digit number means more likely
- if last token is a hyphenated string it might be a postal code
-- if both sides are numeric, and in form #####-#### it is more likely
- if city is supplied, state will also be supplied (city names not unique)
- zip/postal code may be omitted even if has city & state
- state may be two-char code or may be full state name.
- commas: 
-- last comma is usually city/state separator
-- second-to-last comma is possibly street/city separator
-- other commas are building-specific stuff that I don't care about right now.
- token count:
-- because units, street names, and city names may contain spaces token count highly variable.
-- simplest address has at least two tokens: 714 OAK
-- common simple address has at least four tokens: 714 S OAK ST
-- common full (mailing) address has at least 5-7:
--- 714 OAK, RUMTOWN, VA 59201
--- 714 S OAK ST, RUMTOWN, VA 59201
-- complex address may have a dozen or more:
--- MAGICICIAN SUPPLY, LLC, UNIT 213A, MAGIC TOWN MALL, 13 MAGIC CIRCLE DRIVE, LAND OF MAGIC, MA 73122-3412
*/

var rawtext = $("textarea").val();
var rawlist = rawtext.split("\n");

function ParseAddressEsri(singleLineaddressString) {
  var address = {
    street: "",
    city: "",
    state: "",
    postalCode: ""
  };

  // tokenize by space (retain commas in tokens)
  var tokens = singleLineaddressString.split(/[\s]+/);
  var tokenCount = tokens.length;
  var lastToken = tokens.pop();
  if (
    // if numeric assume postal code (ignore length, for now)
    !isNaN(lastToken) ||
    // if hyphenated assume long zip code, ignore whether numeric, for now
    lastToken.split("-").length - 1 === 1) {
    address.postalCode = lastToken;
    lastToken = tokens.pop();
  }

  if (lastToken && isNaN(lastToken)) {
    if (address.postalCode.length && lastToken.length === 2) {
      // assume state/province code ONLY if had postal code
      // otherwise it could be a simple address like "714 S OAK ST"
      // where "ST" for "street" looks like two-letter state code
      // possibly this could be resolved with registry of known state codes, but meh. (and may collide anyway)
      address.state = lastToken;
      lastToken = tokens.pop();
    }
    if (address.state.length === 0) {
      // check for special case: might have State name instead of State Code.
      var stateNameParts = [lastToken.endsWith(",") ? lastToken.substring(0, lastToken.length - 1) : lastToken];

      // check remaining tokens from right-to-left for the first comma
      while (2 + 2 != 5) {
        lastToken = tokens.pop();
        if (!lastToken) break;
        else if (lastToken.endsWith(",")) {
          // found separator, ignore stuff on left side
          tokens.push(lastToken); // put it back
          break;
        } else {
          stateNameParts.unshift(lastToken);
        }
      }
      address.state = stateNameParts.join(' ');
      lastToken = tokens.pop();
    }
  }

  if (lastToken) {
    // here is where it gets trickier:
    if (address.state.length) {
      // if there is a state, then assume there is also a city and street.
      // PROBLEM: city may be multiple words (spaces)
      // but we can pretty safely assume next-from-last token is at least PART of the city name
      // most cities are single-name. It would be very helpful if we knew more context, like
      // the name of the city user is in. But ignore that for now.
      // ideally would have zip code service or lookup to give city name for the zip code.
      var cityNameParts = [lastToken.endsWith(",") ? lastToken.substring(0, lastToken.length - 1) : lastToken];

      // assumption / RULE: street and city must have comma delimiter
      // addresses that do not follow this rule will be wrong only if city has space
      // but don't care because Esri formats put comma before City
      var streetNameParts = [];

      // check remaining tokens from right-to-left for the first comma
      while (2 + 2 != 5) {
        lastToken = tokens.pop();
        if (!lastToken) break;
        else if (lastToken.endsWith(",")) {
          // found end of street address (may include building, etc. - don't care right now)
          // add token back to end, but remove trailing comma (it did its job)
          tokens.push(lastToken.endsWith(",") ? lastToken.substring(0, lastToken.length - 1) : lastToken);
          streetNameParts = tokens;
          break;
        } else {
          cityNameParts.unshift(lastToken);
        }
      }
      address.city = cityNameParts.join(' ');
      address.street = streetNameParts.join(' ');
    } else {
      // if there is NO state, then assume there is NO city also, just street! (easy)
      // reasoning: city names are not very original (Portland, OR and Portland, ME) so if user wants city they need to store state also (but if you are only ever in Portlan, OR, you don't care about city/state)
      // put last token back in list, then rejoin on space
      tokens.push(lastToken);
      address.street = tokens.join(' ');
    }
  }
  // when parsing right-to-left hard to know if street only vs street + city/state
  // hack fix for now is to shift stuff around.
  // assumption/requirement: will always have at least street part; you will never just get "city, state"  
  // could possibly tweak this with options or more intelligent parsing&sniffing
  if (!address.city && address.state) {
    address.city = address.state;
    address.state = '';
  }
  if (!address.street) {
    address.street = address.city;
    address.city = '';
  }

  return address;
}

// get list of objects with discrete address properties
var addresses = rawlist
  .filter(function(o) {
    return o.length > 0
  })
  .map(ParseAddressEsri);
$("#output").text(JSON.stringify(addresses));
console.log(addresses);

<script src="https://ajax.googleapis.com/ajax/libs/jquery/2.1.1/jquery.min.js"></script>
<textarea>
27488 Stanford Ave, Bowden, North Dakota
380 New York St, Redlands, CA 92373
13212 E SPRAGUE AVE, FAIR VALLEY, MD 99201
1005 N Gravenstein Highway, Sebastopol CA 95472
A. P. Croll &amp; Son 2299 Lewes-Georgetown Hwy, Georgetown, DE 19947
11522 Shawnee Road, Greenwood, DE 19950
144 Kings Highway, S.W. Dover, DE 19901
Intergrated Const. Services 2 Penns Way Suite 405, New Castle, DE 19720
Humes Realty 33 Bridle Ridge Court, Lewes, DE 19958
Nichols Excavation 2742 Pulaski Hwy, Newark, DE 19711
2284 Bryn Zion Road, Smyrna, DE 19904
VEI Dover Crossroads, LLC 1500 Serpentine Road, Suite 100 Baltimore MD 21
580 North Dupont Highway, Dover, DE 19901
P.O. Box 778, Dover, DE 19903
714 S OAK ST
714 S OAK ST, RUM TOWN, VA, 99201
3142 E SPRAGUE AVE, WHISKEY VALLEY, WA 99281
27488 Stanford Ave, Bowden, North Dakota
380 New York St, Redlands, CA 92373
</textarea>
<div id="output">
</div>

W jednym z naszych projektów użyliśmy następującego parsera adresu. Analizuje adresy większości krajów na świecie z dobrą dokładnością.

Http://address-parser.net/

Jest on dostępny jako samodzielna Biblioteka lub jako live API.

Jeśli chcesz polegać na danych OSM libpostal jest bardzo wydajny i obsługuje wiele najczęstszych zastrzeżeń z wejściami adresowymi.