在 Ruby 中解析街道地址

我正在将地址处理为数据库各自的字段格式。我可以得到门牌号和街道类型，但试图确定获得没有号码和最后一句话的街道的最佳方法。收到的标准街道地址为：

    res[:address] = '7707 Foo Bar Blvd'

到目前为止我可以解析以下内容：

    house = res[:address].gsub(/\D/, '')
    street_type = res[:address].split(/\s+/).last

我的第一个挑战是如何获得“Foo Bar”。请注意，街道名称可以是一个、两个或三个单词。我正在努力在 Ruby 中找到一个单行表达式解决方案。

我的第二个问题是如何改进“房屋”代码来处理末尾带有字母的房屋号码。例如，“7707B”。

最后，如果您可以参考一份好的备忘单，其中包含这些表达式的示例，那将会很有帮助。

如果可能的话，我建议使用库，因为地址解析可能很困难。查看因迪里佐 https://github.com/daveworth/IndirizzoRuby gem，这让这变得简单：

require 'Indirizzo'
address = Indirizzo::Address.new("7707 Foo Bar Blvd")
address.number
 => "7707"
address.street
 => ["foo bar blvd", "foo bar boulevard"] 

即使你don't使用 Indirizzo 库本身，阅读其源代码对于了解他们如何解决问题可能非常有用。例如，它具有微调的正则表达式来匹配地址的不同部分：

Match = {
  # FIXME: shouldn't have to anchor :number and :zip at start/end
  :number   => /^(\d+\W|[a-z]+)?(\d+)([a-z]?)\b/io,
  :street   => /(?:\b(?:\d+\w*|[a-z'-]+)\s*)+/io,
  :city     => /(?:\b[a-z][a-z'-]+\s*)+/io,
  :state    => State.regexp,
  :zip      => /\b(\d{5})(?:-(\d{4}))?\b/o,
  :at       => /\s(at|@|and|&)\s/io,
  :po_box => /\b[P|p]*(OST|ost)*\.*\s*[O|o|0]*(ffice|FFICE)*\.*\s*[B|b][O|o|0][X|x]\b/
}

其源代码中的这些文件可以提供更多细节：

• https://github.com/daveworth/Indirizzo/blob/master/lib/indirizzo/address.rb https://github.com/daveworth/Indirizzo/blob/master/lib/indirizzo/address.rb
• https://github.com/daveworth/Indirizzo/blob/master/lib/indirizzo/constants.rb https://github.com/daveworth/Indirizzo/blob/master/lib/indirizzo/constants.rb
• https://github.com/daveworth/Indirizzo/blob/master/lib/indirizzo/numbers.rb https://github.com/daveworth/Indirizzo/blob/master/lib/indirizzo/numbers.rb

（但我也普遍同意 @drhenner 的评论，为了让自己更轻松，您可能只需在单独的字段中接受这些数据输入。）

Edit:要给出有关如何删除街道后缀（例如“Blvd”）的更具体答案，您可以使用 Indirizzo 的正则表达式常量（例如Suffix_Type from constants.rb）像这样：

address = Indirizzo::Address.new("7707 Foo Bar Blvd", :expand_streets => false)
address.street.map {|street| street.gsub(Indirizzo::Suffix_Type.regexp, '').strip }
 => ["foo bar"]

（注意我也通过了:expand_streets => false到初始化程序，以避免同时扩展“Blvd”和“Boulevard”替代项，因为无论如何我们都会丢弃后缀。）