Я много раз видел этот вопрос, когда работал в компании по проверке адресов. Я отправляю ответ здесь, чтобы сделать его более доступным для программистов, которые ищут один и тот же вопрос. Компания, на которой я работал, обработала миллиарды адресов, и мы многому научились в этом процессе.

Во-первых, нам нужно понять несколько вещей о адресах.

Адреса не regular

Это означает, что регулярные выражения отсутствуют. Я видел все это, начиная с простых регулярных выражений, которые соответствуют адресам в очень специфическом формате:

/\ S + (\ d {2,5}\S +) ([а | р]?! Т\б) (([A-Za-Z |\S +] {1,5}) {1,? 2}) ([\ S | \, |.] +), (([A-Za-Z |\S +]? {1,30}) {1,4}) (суд | кт | улица | й | привод | др | пер | пер | дорога | й | б-р) ([\ S | \, | | \;.]? +) (([A-Za-Z |\S +] {1,30}) {1, 2}) ([\ S | \, |.] +)\Ъ (АК |? АЛ | АР | AZ | CA | СО | КТ | DC | DE | FL | Г.А. | ГУ | HI | IA | ID | IL | IN | KS | KY | LA | MA | MD | ME | MI | MN | МО | MS | MT | NC | ND | NE | NH | NJ | NM | NV | NY | OH | OK | ИЛИ | PA | RI | SC | SD | TN | ТХ | УТ | ВА | VI | ВТ | ВД | WI | WV | Вайоминг) ([\ s | \, |.]? +) (\ s +\д {5}) (? [\ S |\|.] +)/я

... this, где файл с более чем 900 линейным классом генерирует сверхмассивное регулярное выражение "на лету", чтобы соответствовать еще большему. Я не рекомендую их (например, здесь скрипт вышеупомянутого регулярного выражения, что делает много ошибок). Существует не легкая магическая формула, чтобы заставить это работать. Теоретически и по теории невозможно сопоставить адреса с регулярным выражением.

Публикация USPS 28 документирует множество форматов адресов, которые возможны, со всеми их ключевыми словами и вариантами. Хуже всего, адреса часто неоднозначны. Слова могут означать более одного ( "Св" может быть "Святой" или "Улица" ), и есть слова, которые я уверен, что они придумали. (Кто знал, что "Stravenue" был уличным суффиксом?)

Вам нужен код, который действительно понимает адреса, и если этот код существует, это коммерческий секрет. Но вы, вероятно, можете бросить свои собственные, если вы действительно в это вникнете.

Адреса имеют неожиданные формы и размеры

Вот некоторые надуманные (но полные) адреса:

1)  102 main street
    Anytown, state

2)  400n 600e #2, 52173

3)  p.o. #104 60203

Возможно, это возможно:

4)  829 LKSDFJlkjsdflkjsdljf Bkpw 12345

5)  205 1105 14 90210

Очевидно, что они не стандартизированы. Пунктуация и разрывы строк не гарантируются. Вот что происходит:

• Номер 1 завершен, поскольку содержит адрес и город и штат. С этой информацией достаточно идентифицировать адрес, и его можно считать "поставляемым" (с некоторой стандартизацией).

• Номер 2 завершен, так как он также содержит адрес улицы (со вторым номером/номером) и 5-значный почтовый индекс, который достаточно для идентификации адреса.

• Номер 3 - это полный формат почтового ящика, так как он содержит почтовый индекс.

• Номер 4 также завершен, потому что почтовый индекс уникален, что означает, что частный объект или Корпорация приобрела это адресное пространство. Уникальный почтовый индекс предназначен для больших или концентрированных помещений доставки. Все, что обращается к почтовому индексу 12345, отправляется в General Electric в Скенектади, штат Нью-Йорк. Этот пример не достигнет никого, в частности, но USPS все равно сможет его доставить.

• Номер 5 также завершен, верьте или нет. С помощью этих чисел полный адрес может быть обнаружен при анализе базы данных всех возможных адресов. Заполнение недостающих направлений, вторичного указателя и кода ZIP + 4 тривиально, когда вы видите каждое число в качестве компонента. Здесь, как он выглядит, полностью расширен и стандартизирован:

205 N 1105 Вт Apt 14

Беверли-Хиллз CA 90210-5221

Адресные данные не являются вашими собственными

В большинстве стран, которые предоставляют официальные адресные данные лицензированным поставщикам, сами адресные данные принадлежат к управляющему агентству. В США USPS владеет адресами. То же самое верно для Canada Post, Royal Mail и других, хотя каждая страна вводит в действие или определяет право собственности немного по-другому. Знание этого важно, поскольку оно обычно запрещает обратную разработку адресной базы данных. Вы должны быть осторожны, как приобретать, хранить и использовать данные.

Google Maps является распространенным решением для быстрого исправления адресов, но TOSявляется довольно запретительным; например, вы не можете использовать свои данные или API без отображения Карты Google и только для некоммерческих целей (если вы не платите), и вы не можете хранить данные (за исключением временного кэширования). Имеет смысл. Данные Google являются одними из лучших в мире. Однако Google Maps не проверяет адрес. Если адрес не существует, он все равно покажет вам, где будет адрес, если он существует (попробуйте на своей улице, используйте номер дома, который, как вы знаете, не существует). Иногда это полезно, но имейте это в виду.

Nominatim политика использования также ограничивает, особенно для большого объема и коммерческого использования, а данные в основном извлекаются из бесплатных источников, поэтому это не (как и характер открытых проектов), однако это все равно может удовлетворить ваши потребности. Это поддерживается большим сообществом.

У USPS есть API, но он сильно падает и не имеет никаких гарантий и поддержки. Это также может быть трудно использовать. Некоторые люди используют его без проблем. Но легко пропустить, что USPS требует, чтобы вы использовали свой API только для подтверждения адресов для отправки через них.

Люди ожидают, что адреса будут жесткими

К сожалению, мы вынудили наше общество ожидать, что адреса будут сложными. В этом есть десятки хороших статей UX по всему Интернету, но факт заключается в том, что если у вас есть адресная форма с отдельными полями, то, что ожидают пользователи, даже если это затрудняет адреса в крайнем случае, которые не соответствуют формат формы ожидает, или, может быть, форма требует поля, которое не должно. Или пользователи не знают, где разместить определенную часть своего адреса.

В наши дни я мог бы продолжать и обсуждать плохой UX форм выписки, но вместо этого я просто скажу, что объединение адресов в одно поле будет приятным изменением - люди смогут ввести свой адрес, как они считают нужным, вместо того, чтобы пытаться выяснить вашу длинную форму. Однако это изменение будет неожиданным, и пользователи могут сначала немного разобраться. Просто имейте это в виду.

Часть этой боли можно смягчить, поставив поле страны на фронт, перед адресом. Когда они сначала заполняют поле страны, вы знаете, как сделать свою форму. Возможно, у вас есть хороший способ справиться с однопользовательскими адресами США, поэтому, если они выберут Соединенные Штаты, вы можете уменьшить свою форму до одного поля, иначе отобразите поля компонентов. Просто о чем подумать!

Теперь мы знаем, почему это сложно; что вы можете с этим сделать?

Поставщики лицензий USPS через процесс под названием CASS Certification для предоставления проверенных адресов клиентам. Эти поставщики имеют доступ к базе данных USPS, обновляемой ежемесячно. Их программное обеспечение должно соответствовать строгим стандартам, которые должны быть сертифицированы, и они не часто требуют согласия с такими предельными условиями, как обсуждалось выше.

Есть много сертифицированных CASS компаний, которые могут обрабатывать списки или иметь API: Melissa Data, Experian QAS и SmartyStreets, чтобы назвать несколько.

(Из-за того, что я получил "рекламу", я урезал свой ответ на данный момент. Вам решать, какое решение вам подходит.)

Правда: На самом деле, ребята, я не работаю ни в одной из этих компаний. Это не реклама.