Лучший способ разделить адресную строку на два поля

Question

Мы разрабатываем приложение на c #, которое импортирует адрес-данные в CRM-систему.CSV-файл содержит столбец адресов, подобный 'Somethingstreet 34'.Однако наша CRM использует два разные поля для названия улицы и номера дома.Конечно, в приведенном примере это не представляет никакой проблемы.Но наша голландская система адресации может быть немного затруднительной.

Примеры из реального мира:

• Somestreet 88a (где "Somestreet" - название улицы, а 88a - номер дома)
• 2e van Blankenburgstraat 123a (где "2e van Blankenburgstraat" - название улицы, а "123a" - номер дома)
• 2e van Blankenburgstraat 123-a (где '2e van Blankenburgstraat' - название улицы, а '123-a' - номер дома)
• 2e van Blankenburgstraat 123 a (где '2e van Blankenburgstraat' - название улицы, а '123 a' - номер дома)

Теперь я ищу хорошую функцию (регулярное выражение или что-то в этом роде), которая правильно разбивает эти адресные строки на два поля.Есть ли хороший чистый способ сделать это ?

---

Редактировать:

Я провел некоторое дальнейшее исследование нашей системы адресации, и, похоже (спасибо правительству), приведенные выше примеры даже не являются "худшими".

Еще немного (это реальные улицы и номера):

• Rivium 1e Straat 53/ET6 (где 'Rivium 1e Straat' - улица, а '53/ET6' - номер дома)
• Плейн 1940-1945 34 (где "Плейн 1940-1945" - улица, а "34" - номер дома)
• Apollo 11-Laan 11 (где "Apollo 11-Laan" - улица, а "11" (вторая) - номер дома)
• Charta 77 Vaart 159 3H (где 'Charta 77 Vaart' - название улицы, а '159 3H' - номер дома)
• Charta 77 Vaart 44/2 (где 'Charta 77 Vaart' - название улицы, а '44/2' - номер дома)

Answer 1

Лучшим решением для обеспечения корректности данных было бы сравнить существующую базу данных с известным адресным API, у которого есть функция, позволяющая сделать это за вас.В противном случае вы просто высказываете свое лучшее предположение, и некоторые, если не все, данные следует просмотреть вручную.

Answer 2

То, что я сделал, но я сомневаюсь, что это самое эффективное решение, - это поменять адрес местами, а затем получить первую часть, пока вы не найдете цифру и не возьмете их все.т. е.регулярное выражение .*\d+ по обратному адресу.Это решает вашу проблему, когда улица содержит цифру.

Answer 3

Можете ли вы сделать что-нибудь, где вы разбиваете на пробелы, а затем проверяете, является ли первый символ некоторой внутренней строки целым числом?

Нравится

 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] + " ";
 }

Зависит от того, что вы подразумеваете под "чистым", но, похоже, это сработало бы, если бы все адреса могли быть сформированы так, как вы указали.

Answer 4

Существует слишком много различных способов, которыми кто-то мог бы ввести эти данные.Я часто пишу свой адрес следующим образом:

Улица 123 Фу, Квартира №3

т. е. с номерами домов и квартир на обоих концах названия улицы

Если бы это была моя проблема, я бы написал регулярное выражение, которое обрабатывает "простые" и помечает сложные для проверки человеком.

Вы можете найти список названий улиц в США в Бюро переписи населения, но он похоронен внутри огромного файла данных