Question

我们有一个街道地址列：

123 Maple Rd。
  321 1st Ave.
  等...

有没有办法将这些地址与给定的输入相匹配？输入将是街道地址，但可能不是相同的格式。例如：

123 Maple Road
321第一大道

我们首先想到的是删除所有街道术语（rd，st，ave，blvd等）的输入。

显然，这种情况一直无法比拟。有没有其他方法可以尝试匹配SQL Server中的街道地址？

我们可以使用用户定义的函数，存储过程和常规的旧t-sql。我们不能使用clr。

Answer 1

尝试将它们转换为可以比较的“规范形式”，而不是剥离可变的东西。

例如，替换'rd'或'rd。' 'road'和'st'或'st。'在比较前与'街道'。

Answer 2

您可能需要考虑使用Levenshtein Distance算法。

您可以在SQL Server中将其创建为用户定义的函数，它将返回需要在String_A上执行的操作数，以使其成为String_B。然后，您可以将Levenshtein距离函数的结果与某个固定阈值进行比较，或者与从字符串长度得到的某个值进行比较。

您只需按以下方式使用它：

... WHERE LEVENSHTEIN(address_in_db, address_to_search) < 5;

作为Mark Byers suggested，如果您使用Levenshtein距离，将变量术语转换为规范形式将会有所帮助。

使用Full-Text Search可能是另一种选择，特别是因为Levenshtein通常需要全表扫描。此决定可能取决于您打算进行这些查询的频率。

您可能需要查看以下针对SQL Server的Levenshtein Distance实现：

Levenshtein Distance Algorithm: TSQL Implementation

注意：您需要为上述实现实现MIN3功能。您可以使用以下内容：

CREATE FUNCTION MIN3(@a int, @b int,  @c int)
RETURNS int
AS
BEGIN
    DECLARE @m INT
    SET @m = @a

    IF @b < @m SET @m = @b
    IF @c < @m SET @m = @c

    RETURN @m
END

您可能还有兴趣查看以下文章：

Address Geocoding with Fuzzy String Matching [使用Levenshtein距离]
Stack Overflow - Strategies for finding duplicate mailing addresses
Merge/Purge and Duplicate Detection

Answer 3

我认为您的第一步是更好地定义您对不同地址的慷慨程度。例如，哪些匹配，哪些不匹配：

123 Maple Street
123 Maple St
123 maple street
123 mpale street
123 maple
123. maple st
123 N maple street
123 maple ave
123 maple blvd

Maple Street和Maple Blvd是否在同一地区？橡树街和橡树大道怎么样。

例如，我居住在那里的许多街道/道路/ blvds / ave都被命名为Owasso。我住在Owasso Street，它连接着North Owasso Blvd，连接着South Owasso Blvd.但是，只有一个维多利亚大道。

鉴于现实，您必须拥有所有道路名称的数据库，并寻找最近的道路（并单独处理该号码）

OR

提前做出决定，坚持做什么以及不做什么。

Answer 4

地址匹配和重复数据删除是一件麻烦事。其他发帖人说，首先需要向当地邮政标准局标准化地址时才是正确的（例如，如果是美国地址，则为USPS）。一旦地址采用标准格式，其余的操作就很容易。

有一些第三方服务会为您标记列表中的重复项。仅使用MySQL子查询执行此操作不会解决地址格式和标准的差异。 USPS（用于美国地址）具有制定这些标准的某些准则，但是只有少数供应商被认证可以执行此类操作。

因此，我建议您最好的答案是将表导出到CSV文件中，然后将其提交给有能力的列表处理器。 SmartyStreets的Bulk Address Validation Tool就是其中一种，它将在几秒钟到几分钟内自动为您完成。它将使用新字段“ Duplicate”标记重复的行，并在其中添加Y值。

尝试标准化和验证几个地址here，以了解输出的外观。

完全公开：我为SmartyStreets工作

Answer 5

为了进行正确的街道地址匹配，您需要将地址变为标准化形式。看看USPS邮政标准here（我很担心你在处理美国地址）。如果您希望能够处理所有类型的美国邮件地址，这绝不是一个简单的过程。 QAS和Satori Software等公司提供的软件可供您进行标准化。您需要导出地址，通过软件运行它们，然后使用更新的地址加载数据库。还有第三方供应商也将执行地址标准化。对于你想要做的事情可能有点过分，但这是最好的方法。如果您的数据库中的地址是标准化的，那么您将有更好的机会匹配它们（特别是如果您也可以标准化输入）。

Answer 6

剥离数据是一个坏主意。许多城镇将有相同街道的数十种不同的变化 - 橡树街，橡树路，橡树巷，橡树圈，橡树苑，橡树大道等......如上所述，转换为规范USPS缩写是一种更好的方法。

Answer 7

Fuzzy Lookups and Groupings Provide Powerful Data Cleansing Capabilities

Answer 8

您可以尝试SOUNDEX，看看是否能让您接近。 http://msdn.microsoft.com/en-us/library/aa259235%28SQL.80%29.aspx

有哪些方法可以匹配SQL Server中的街道地址？

8 个答案: