问在数据库中查找重复的地址，阻止用户提前输入吗？

EN

Johannes：

@PConroy:这也是我最初的想法。其中有趣的部分是为地址的不同部分找到好的转换规则！有什么好的建议吗？

当我们之前在这类项目上工作时，我们的方法是利用现有的地址语料库(150k左右)，然后对我们的域名应用最常见的转换(爱尔兰，所以"Dr"->"Drive"，"Rd"->"Road“等)。恐怕当时没有关于这类事情的全面的在线资源，所以我们基本上自己做了一个列表，检查电话簿之类的东西(在那里按下空间，地址以各种方式缩写！)。正如我前面提到的，您将会惊讶地发现，只需添加几个常见规则，就可以检测到多少“重复项”！

我最近偶然发现了一个页面，里面有一个相当全面的list of address abbreviations，尽管它是美国英语，所以我不确定它在德国有多有用！谷歌很快就找到了几个网站，但它们看起来像是垃圾新闻通讯的注册陷阱。虽然那是我用英语搜索的，所以你可能会更多地看看德语中的“德语地址缩写”:)

您可以使用Google GeoCode API

这实际上给出了你的两个例子的结果，只是尝试一下。这样，您就可以获得结构化的结果，并将其保存在数据库中。如果查找失败，请要求用户以另一种方式写入地址。

越早阻止人们，从长远来看就越容易！

由于不太熟悉您的数据库模式或数据输入表单，我建议使用下面这样的方法：

• 在您的数据库中为每个地址“部分”提供了不同的字段，例如街道、城市、邮政编码、Länder等。
• 具有类似的数据输入表单，例如街道、城市等

上面的理由是，每个部分都可能有自己的特殊“规则”，用于检查略微更改的地址("Quellenstrasse"->"Quellenstr."，"66/11"->"66a-11“)，因此您的验证代码可以检查每个字段的值是否存在于其各自的db字段中。如果没有，您可以让一个类对每个给定字段应用转换规则(例如，将"strasse“词根转换为"str")，并再次检查重复项。

显然，上面的方法有它的缺点：

• 它可能会很慢，这取决于你的数据集，让用户等待
• 用户可能会试图通过将地址“部分”放在错误的字段中(将邮政编码附加到城市等)来绕过它。但根据经验，我们发现，即使引入像上面这样的简单检查，也会阻止很大比例的用户输入预先存在的地址。

一旦你有了基本的检查，你就可以考虑优化所需的数据库访问，完善规则等，以满足你的特定模式。您还可以查看MySQL's match() function来处理类似的文本。