当我在地址验证公司工作时，我看到了很多这个问题。

首先，我们需要了解一些有关地址的内容。

地址不正规

这意味着正则表达式不存在。我已经看到了这一切，从简单的正则表达式匹配非常特定格式的地址到这个：

/\s+(\d{2,5}\s+)(?![a|p]m\b)(([a-zA-Z|\s+]{1,5}){1,2})?([\s|\,|.]+)?(([a-zA-Z|\s+]{1,30}){1,4})(court|ct|street|st|drive|dr|lane|ln|road|rd|blvd)([\s|\,|.|\;]+)?(([a-zA-Z|\s+]{1,30}){1,2})([\s|\,|.]+)?\b(AK|AL|AR|AZ|CA|CO|CT|DC|DE|FL|GA|GU|HI|IA|ID|IL|IN|KS|KY|LA|MA|MD|ME|MI|MN|MO|MS|MT|NC|ND|NE|NH|NJ|NM|NV|NY|OH|OK|OR|PA|RI|SC|SD|TN|TX|UT|VA|VI|VT|WA|WI|WV|WY)([\s|\,|.]+)?(\s+\d{5})?([\s|\,|.]+)/i

需要一些真正了解地址的代码，如果代码确实存在，是一个商业秘密。

地址有意想不到的形状和大小

以下是一些人为的（但完整的）地址：

1)  102 main street
    Anytown, state

2)  400n 600e #2, 52173

3)  p.o. #104 60203

即使这些可能是有效的：

4)  829 LKSDFJlkjsdflkjsdljf Bkpw 12345

5)  205 1105 14 90210

显然，这些都不是标准化的。标点符号和换行符不保证。

1. 号码1是完整的，因为它包含街道地址和城市和州。有了这些信息，就足以识别地址，并且可以将其视为“可交付”（有一些标准化）。
2. 号码2是完整的，因为它还包含一个街道地址（带有辅助/单元号码）和一个5位邮政编码，足以识别一个地址。
3. 号码3是一个完整的邮局信箱格式，因为它包含邮政编码。
4. 第4号也是完整的，因为邮政编码是唯一的，这意味着私人实体或公司已经购买了该地址空间。独特的邮政编码适用于大批量或集中配送空间。任何写给邮政编码12345的信息都发往纽约斯克内克塔迪的通用电气公司。这个例子不会特别到达任何人，但USPS仍然能够提供它。
5. 第5号也是完整的，不管你信不信。仅使用这些数字，可以在针对所有可能地址的数据库进行分析时发现完整地址。当将每个数字视为一个组件时，填写缺少的方向，辅助指示符和ZIP + 4代码都是微不足道的。

地址数据不是自己的

在向授权供应商提供官方地址数据的大多数国家，地址数据本身属于管理机构。在美国，USPS拥有这些地址。加拿大邮政，皇家邮政和其他国家也是如此，尽管每个国家都以不同的方式强制或定义所有权。这一点很重要，因为它通常禁止对地址数据库进行反向工程。必须小心如何获取，存储和使用数据。

谷歌地图是快速修复地址的常用工具，但TOS相当令人望而却步; 例如，不能在不显示Google Map的情况下使用他们的数据或API，并且仅用于非商业目的（除非支付费用），并且不能存储数据（临时缓存除外）。Google的数据是世界上最好的。然而，谷歌地图并没有验证地址。如果地址不存在，它仍然会显示所在地址

Nominatim的使用政策也同样受到限制，特别是对于大量使用和商业使用而言，数据大部分来自免费来源，因此不能很好地维护（这是开放项目的性质） - 但是，这可能仍然适用需求。

美国邮政本身有一个API，没有保证也没有支持。它可能也很难使用。有些人使用它没有问题。但很容易错过USPS要求仅使用API​​来确认通过它们发送的地址。

期望地址很难

我们限制了我们的社会，地址变得复杂。整个互联网上有许多关于这方面的优秀用户体验文章，但事实是，如果你有一个单独的字段的地址表单，这是用户期望的，尽管它使得难以处理不符合边缘情况的地址表单格式期望的格式，或者表单需要不应该的字段。或者用户不知道在哪里放置他们地址的某个部分。

USPS通过一个名为CASS™认证的流程授权供应商为客户提供经过验证的地址。这些供应商可以访问USPS数据库，每月更新一次。他们的软件必须符合严格的标准才能获得认证，而且他们通常不需要同意上述讨论的这些限制条款。

有许多经过CASS认证的公司可以处理列表或具有API：Melissa Data，Experian QAS和SmartyStreets等等。

有许多街道地址解析器。一种拥有地名和街道名称数据库，另一种没有。

正则表达式街道地址解析器可以达到约95％的成功率，而不会有太多麻烦。然后开始打不寻常的情况。CPAN中的Perl，“Geo :: StreetAddress :: US”就是这么好的。有Python和Javascript的端口，都是开源的。我有一个改进的Python版本，通过处理更多的案例，成功率略有提高。然而，要获得最后3％的权利，需要数据库来帮助消除歧义。

具有3位邮政编码和美国州名和缩写的数据库是一大帮助。当解析器看到一致的邮政编码和州名时，它可以开始锁定格式。这对美国和英国来说效果很好。

正确的街道地址解析从结尾开始并向后工作。这就是USPS系统如何做到的。最后，地址最不明确，国名，城市名称和邮政编码相对容易识别。街道名称通常可以被隔离。