Question

是否有任何开源/商业库可以检测文本中的邮寄地址，就像Apple的Mail应用程序强调Mac / iPhone上的地址一样。

我一直在进行一些在线研究，这些想法似乎要么是使用谷歌，正则表达式，要么是完整的NLP软件包，比如斯坦福大学的NLP，这通常非常庞大。我怀疑iPhone里面有500MB的NLP包，或者每次你阅读电子邮件时连接谷歌。这让我相信应该有一个更简单的方法。太糟糕的UIDataDetectors不是开源的。

我知道之前已经问过这个问题，但没有确凿的答案，所以这是我的尝试。

Answer 1

解析地址不是一门科学。在我的办公室，我们多年来一直在处理地址解析，问题在于没有关于什么构成有效地址的规则。我们使用USPS地址数据库来清理地址，这实际上非常快，而且比我们自己能够获得的更准确。在我们获得大约90％的清理地址之前，它可以获得98％的准确率。

地址解析的更大问题往往是人们不以相同的方式输入地址。相同的地址可能采用以下所有形式。

128 P Beaumont St
东博蒙特街128号 128 E Bmt St
128 Beaumont Street
128 88号高速公路

第三个看起来完全错误，但人们有时会打字。有时街道也是高速公路。有很多可能性。只是尝试捕获90％并且你接受它与地址解析一样好。

Answer 2

Extractiv提供由Language Computer Corporation支持的商业NLP，可以解析上传文档或网络爬网中的实体和关系。以前的服务使用REST API。我删除了这个URL，它提取了4/5的地址。注意，将它们串在一起会使它们特别困难。

其中一个：

{
  "id": 11,
  "len": 17,
  "offset": 1557,
  "text": "128 E Beaumont St",
  "type": "ADDRESS"
},

（注意：如果您使用HTML输出，更多用于演示，它会过滤掉非句子内容，这就是我展示JSON的原因。）

免责声明：我在Extractiv工作。

<强> 更新： Extractiv已不复存在。

Answer 3

你可以通过提取地址然后将它们与USPS数据进行比较来实际获得极高的准确度。每年从USPS获取DVD肯定会有效，但不会考虑更改的地址。为此，您需要一个更新的版本。 USPS每月发布它的更新地址数据（以专有格式），这将是权威地址的良好来源。

最重要的是，使用地址验证服务（在您提取地址数据之后）将为您标准化地址，然后检查它们的可传递性和/或空缺状态。正如Drew所提到的，同一地址可以用许多不同的方式编写，但仍然有效。但是，USPS将始终使用标准化格式。

为了以编程方式执行您所需要的操作，您肯定需要API，尽管列表处理服务也可用。

SmartyStreets有一个名为LiveAddress的免费地址验证API，可以对任何美国邮政地址进行标准化，验证和验证。为了充分披露，我是SmartyStreets的创始人。

Answer 4

对于Python，您可以尝试Pyap： https://pypi.python.org/pypi/pyap

目前支持美国和加拿大地址