我有一个相当大的位置地址数据库（500k +）来自世界各地。虽然很多地址都是重复的或接近重复的。 每当输入新地址时，我都会检查它是否已经存在于数据库中，如果是，我将采用已存在的lat / long并将其应用于新条目。 我没有链接到单独的表的原因是因为地址不被用作要搜索的组，并且它们通常在我希望保持它们不同的地址上有足够的差异。 如果我在地址上完全匹配，我会应用lat / long。如果没有，我去市级并申请，如果我不能在那里得到匹配，我有一个单独的过程来运行。
现在你有广泛的背景，问题。偶尔我会得到一个远远超出正常可接受误差范围的纬度/经度。然而，奇怪的是，通常只有一个或两个纬度/长度超出范围，而其余数据存在于具有正确城市名称的数据库中。
您如何建议清理数据？我有geonames数据库，所以理论上我有正确的数据。我正在努力的是你将要完成的例行程序。
如果有人可以指向某个（低级别）数据清理方向，那就太棒了。
答案 0 :(得分：0)
这是一个老问题，但真正的原则永远不会消亡，对吗？
我在一家名为SmartyStreets的公司的地址验证行业工作。如果您拥有大量地址并需要“清理”，符合官方标准，然后将依赖于您的运营的任何方面，您最好查看CASS认证软件（仅限美国;各国差异很大，许多人没有正式提供这样的服务。
USPS授权CASS认证的供应商“清理”或“清理”（意思是：标准化和验证）地址数据。我建议您查看SmartyStreets'LiveAddress等服务来验证地址或一次处理列表。还有其他选择，但我认为这是最灵活，最实惠的。您可以清理初始列表，然后使用API在收到新地址时验证它们。
更新：我看到你正在使用JSON进行各种各样的事情（我喜欢JSON，顺便说一下，它很容易使用）。您需要的服务提供商并不多，但SmartyStreets 确实。此外，通过阅读该网站上的一些资源/文章，您将能够自己了解地址验证的主题。