将地址行分成两个字段的最佳方法

Question

我们正在开发一个导入的 C# 应用程序 地址数据 进入 CRM 系统。CSV 文件包含一个地址列，如“Somethingstreet 34”。然而，我们的 CRM 使用两个 街道名称和门牌号的不同字段. 。当然，在给定的示例中这不会造成任何问题。但我们的荷兰地址系统可能有点麻烦。

现实世界的例子：

• Somestreet 88a（其中“Somestreet”是街道名称，88a 是门牌号）
• 2e van Blankenburgstraat 123a（其中“2e van Blankenburgstraat”是街道名称，“123a”是门牌号）
• 2e van Blankenburgstraat 123-a（其中“2e van Blankenburgstraat”是街道名称，“123-a”是门牌号码）
• 2e van Blankenburgstraat 123 a（其中“2e van Blankenburgstraat”是街道名称，“123 a”是门牌号码）

现在我正在寻找一个很好的函数（RegEx 或其他函数）来将这些地址行正确地分成两个字段。有没有一种干净的方法可以做到这一点？

---

编辑：

我对我们的寻址系统做了一些进一步的调查，看来（感谢政府）上述例子甚至不是“最糟糕”的例子。

更多（这些是真实的街道和数字）：

• Rivium 1e Straat 53/ET6（其中“Rivium 1e Straat”是街道，“53/ET6”是门牌号码）
• Plein 1940-1945 34（其中“Plein 1940-1945”是街道，“34”是门牌号）
• Apollo 11-Laan 11（其中“Apollo 11-Laan”是街道，“11”（第二个）是门牌号）
• Charta 77 Vaart 159 3H（其中“Charta 77 Vaart”是街道名称，“159 3H”是门牌号码）
• Charta 77 Vaart 44/2（其中“Charta 77 Vaart”是街道名称，“44/2”是门牌号）

Answer 1

数据正确性的最佳解决方案是将现有数据库与已知地址 API 进行比较，该 API 具有为您执行此操作的功能。否则，您只是给出了最好的猜测，并且应该手动检查一些（如果不是全部）数据。

Answer 2

我所做的，但我怀疑它是最有效的解决方案是反转地址，然后获取第一部分，直到找到一个数字并将它们全部取出。IE。正则表达式 .*\d+ 在反向地址上。当街道包含数字时，这可以解决您的问题。

Answer 3

您可以做一些事情，在空格上进行分割，然后检查某个内部字符串的第一个字符是否是整数？

喜欢

 char[] splits = new char[1];
 splits[0] = ' ';
 string[] split = addressLine.split(splits);
 int splitLoc = -1, i;
 for (i =1; i < split.Length; i++){//start at 1 to avoid the first '2e' streets
     int theFirstDigit = -1;
     try{
        theFirstDigit = int.Parse(split[i].Substring(0,1));
     }catch {
        //ignore; parse fails with an exception
     }
     if (theFirstDigit != -1){
         splitLoc = i;
         break;
     }
 }
 if (splitLoc < 0) return; //busted
 string field1, field2;
 for (i = 0; i < splitLoc; i++){
     field1+= split[i] + " ";
 }

 for (i = splitLoc; i < split.Length; i++){
     field2+= split[i] + " ";
 }

取决于您所说的“干净”的含义，但如果所有地址都可以按照您指定的方式形成，那么看起来确实可行。

Answer 4

人们可以通过多种不同的方式输入这些数据。我经常把我的地址写成：

123 富街 3 号公寓

即街道名称两端都有房屋和公寓号码

如果这是我的问题，我会编写一个正则表达式来处理“简单”的问题并标记复杂的问题以供人工审查。

您可以从人口普查局找到美国街道名称列表，但它被埋在一个巨大的数据文件中