检测/解析文本中的邮寄地址

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 的邮件应用程序在 Mac/iPhone 上为地址添加下划线一样。

我一直在网上做一些研究，想法似乎是使用 Google、Regex 或完整的 NLP 软件包（例如斯坦福大学的 NLP），这些软件包通常非常庞大。我怀疑 iPhone 是否有 500MB NLP 包，或者每次阅读电子邮件时都会连接到 Google。这让我相信应该有一种更简单的方法。可惜 UIDataDetectors 不是开源的。

我知道这个问题以前曾被问过，但没有确凿的答案，所以这是我的尝试。

Answer 1

至于Python，你可以尝试Pyap：
https://pypi.python.org/pypi/pyap

目前支持美国和加拿大地址

Answer 2

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，问题是对于什么构成有效地址没有任何规则。我们使用 USPS 地址数据库来清理地址，这实际上比我们自己获得的速度更快、更准确。它使我们获得了 98% 的准确率，而之前我们获得了大约 90% 的已清理地址。

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。同一地址可能采用以下所有形式。

博蒙特街东 128 号
东博蒙特街128号
128 E Bmt 圣
博蒙特街128号
128 Highway 88

第三个看起来完全错误，但人们有时会输入这个。有时街道也是高速公路。有很多可能性。只要尝试捕获 90%，您就会接受这对于地址解析来说已经是最好的结果了。

Answer 3

正如 Drew 提到的，通过提取地址然后将其与 USPS 数据进行比较，实际上可以获得极高的准确性。每年从 USPS 获取一张 DVD 当然可以，但不考虑地址的变化。为此，您需要更新的版本。美国邮政局每月发布其更新的地址数据（以专有格式），因此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（在提取地址数据后）将为您标准化地址，然后检查它们的送达能力和/或空缺状态。正如德鲁所提到的，同一个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。

为了以编程方式完成您想要的操作，您肯定需要一个 API，尽管也可以使用列表处理服务。

SmartyStreets 有一个名为 LiveAddress 的免费地址验证 API，它将标准化、验证，然后验证任何美国邮政地址。为了充分披露，我是 SmartyStreets 的创始人。

Answer 4

Extractiv 提供由 Language Computer Corporation 可以解析上传文档或网络抓取中的实体和关系。前一个服务使用 REST API。我放入此 URL，它提取了 4/5 的地址。请注意，将它们像这样串在一起会使它们变得特别困难。

在此 JSON 输出中搜索“地址”：
http://rest.extractiv.com/extractiv/?url=https://stackoverflow.com/questions/5099684/detect-parse-mailing-addresses-in-text&output_format=json

其中之一：（

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

注意：如果您使用 HTML 输出，这更多地用于演示，它会过滤掉非句子内容，这就是我显示 JSON 的原因）。

免责声明：我在 Extractiv 工作。

更新：
Extractiv 已不复存在。