如何比较不同格式的地址（php / mysql）

Question

我正在开发一个已建立的php mysql Web应用程序，其中包含一些相当大的数据。

作为数据管理例程的一部分，地址的新数据将从两个不同的来源添加到数据库（导入）。

此数据中的所有地址均来自英国。

在插入新地址或将记录与现有地址相关联之前，应用程序已使用addressRecord.address1 = address1 AND addressRecord.postcode = postcode作为冲突检测。

麻烦的是碰撞测试没有定论。由于两种不同的数据来源提供了不同的地址格式。

来源1

    address1 = 'FLAT N, RICHMOND HILL GATE, 1'

    address2 = 'RICHMOND HILL DRIVE'

    address3 = 'BOURNEMOUTH'

    postcode = 'BH2 6LT'

来源2

    address1 = 'Flat N'

    address2 = 'Richmond Hill Gate'

    address3 = '1 Richmond Hill Drive'

    postcode = 'BH2 6LT'

因为这是一个已建立的应用程序，这个复制已经存在于地址表中，我必须处理，但是新数据也会不断导入，并且必须与地址记录相关。

所以我正在寻找一种结论（几乎是决定性的可能）的方法来比较格式略有不同的地址，这也是高性能的（数百万行数据）。

到目前为止，我已经考虑过计算一个识别字段，可以对现有数据进行扩充，并为新导入进行计算，例如可以连接3个地址字段，删除所有标点，或者只是数字。或者...感激地收到任何想法。

Answer 1

你必须将所有地址转换为标准化的地址格式，如@chris所说。我认为您无法在数据库中“即时”执行此操作。您将依赖于代码来执行此操作并将结果存储在数据库中。您遇到的最大问题是您拥有的数据缺少完整性：带或不带邮政编码的相同地址;具有相同邮政编码但具有不同街道名称或城市的地址;具有不同邮政编码的相同地址;街道名称的写法不同，'W Churchill Ln'与'Winston Churchill Lane'。你需要模糊逻辑让计算机决定什么是正确的。 来自各种来源的数据在每个源的格式设置中可能是一致的，您可能会以某种方式从中获益。另一方面，一个来源比其他来源更可靠，你也可以利用这个来源。