如何在 pl/sql 中将街道值拆分为原子？

Posted 2023-03-28

【中文标题】如何在 pl/sql 中将街道值拆分为原子？

【英文标题】：how do I split the street values into atomic in pl/sql?

【发布时间】：2013-05-12 14:06:48

【问题描述】：

我的任务是将非原子（澳大利亚）街道地址转换为原子，这意味着当前街道数据将作为街道编号和街道名称一起存储。示例是：

24 George street        -----------> 24         |   George street    
55 park rd              -----------> 55         |   pard rd  
102a gordon road        -----------> 102a       |   gordon road
unit 5/46 addison ave   -----------> unit 5/46  |   addison ave 
flat 2-9/87 north avenue-----------> flat 2-9/87|   north avenue
suit 5 lvl2/55 prince hwy-------> suit 5 lvl2/55|   prince hwy
shop 5 Big Shopping Centre  ------> Rejected
Suit 2 Level 100          -------> Rejected

添加的数据（程序应该工作的方式）：

Darling street ------------------> Rejected
City road -----------------------> rejected

建议的代码处理结果：

Darling street ------------>   Darling     |    Street
City road   --------------->   City        |     road

实际上在这种情况下代码不应该处理地址并抛出异常。

分割地址的最佳方法是什么？

【问题讨论】：

为什么要拒​​绝：'shop 5 Big Shopping Centre'？

@kaᵠ- 因为它不是一个有效的澳大利亚地址，邮局将根据任务的规范退回/拒绝送货

我明白了，但程序实际上并不理解数据，你需要以某种方式教他们。什么会导致被拒绝？

这是一个模糊的数据匹配要求，不能简单地用SQL单独解决。我们使用像 QAS (qas-experian.com.au) 这样的第三方工具取得了一定的成功，我相信还有其他类似的工具。

如何处理歧义，例如：24 George Pt（意思是George Point）当城市是Pt。麦格理。所以一个地址字符串，例如：24 George Pt Macquarie NSW？是 George Point 还是 Port Macquarie？

【参考方案1】：

我假设你已经看到了这个question 的答案。

@kaᵠ 已经指出程序对数据一无所知，因此它没有上下文。情况将永远如此。因此，考虑到这一点，您需要确定的第一件事是您需要什么级别的准确度？如果您需要 70% 的准确率，那么您可以使用简单的 REGEX 来做到这一点。 （正则表达式真的很简单吗）？

如果您需要确定从输入中提取的地址实际上是真实有效的，则需要一个列表或表格进行比较。该数据将来自澳大利亚邮政（或美国的 USPS）等来源。

因此，请使用您的正则表达式提取“猜测”，然后根据主列表验证这些，并且匹配的那些是好的。如果没有主列表，您就无法确定自己做对了还是做错了。

我实际上一直在 SmartyStreets 研究同样的问题（除了我只处理美国地址）并提出了许多不同的解决方案 - 确定地址字符串的开头和结尾的不同方法，以及以及如何处理误报或看起来像邮政编码的主要数字。您可以使用纯正则表达式，也可以使用包含邮政编码、州和街道名称的表格。这使您能够非常接近地以高精度提取原子数据。

【参考方案2】：

select
   addr,
   regexp_substr(addr, '^(.*?)\s\D+$', 1, 1, '', 1) street_number,
   regexp_substr(addr, '^.*?\s+(\D*?)\s*$', 1, 1, '', 1) street_name
from t1   
where -- don't show rejected
   regexp_like(addr, '\d.*\s(street|road|rd|ave|avenue|hwy)\s*$', 'i')  

fiddle

【讨论】：

它运作良好，但如果街道数据中根本没有数字怎么办。我现在将街道名称作为街道号码，以防没有记录街道号码，如果没有号码，有没有办法阻止它处理？

@DilshatAbduwalli - 请将您正在谈论的地址添加到您的问题中并提供所需的输出。

@Skritunoff - 根据上面的评论编辑了问题

@DilshatAbduwalli - 已修复。

@Skritunoff- 能否请您告诉我在固定版本中进行了哪些更改，因为正则表达式初学者很难区分差异，请