в строке с разделителями - элементы почтового адреса (позиционно).
позиции могут быть смещены и в элементах могут быть орфографические ошибки.
надо проверить адрес в строке по кладру и по возможности восстановить его.

например если там все верно, но почтовый индекс не тот,  то восстановить верный индекс по кладру.

строгой формализации нет. может быть написано : москва, г москва, москва город, и т.д.

Задача не решаема. Москва в какой стране? их таких несколько.

Задача из разряда берешь и делаешь.

Ищешь все слова (словосочетаний) в кладре, а потом из найденной кучи находишь связанные. Потом смотришь, что не распозналось и допиливаешь.

строка бьется по разделителям.
затем бьется вторично по ним же и по пробелам.
далее в зависмости от сервера все это преобразуется в нечто пригодное для селектов.

дальше делается объединение с субъектами рф, и населенными пунктами по именам.
дробление по пробелам и не по пробелам позволяет не парится над случаями :

"Карла Маркса", "ул. Карла Маркса".... и т.д.
так как в структуре оказываются строки :

Карла Маркса
ул.
Карла
Маркса

после того, как определили субъект, все остальное ограничивается лайком по маске субъекта.
хотя конечно ньюансов остается дофигища. приходится ориентироваться на позицию слова в строке откуда оно было выдрано.
и если область новгородская, а улица псковская, то приоритет будет у новгородской.

> [3] iop ©   (30.09.16 19:46)
> хотя конечно ньюансов остается дофигища

Да, тяжко это делать. Хорошо что можно зацепиться хотябы за тип, или как он там в кладре зовётся. Ну никто в зравом уме не напишет
Карла улица Маркса, будет "улица" "ул" "ул." или в начале или в конце, что уже хорошо. Я бы словарь типичных сокращений сделал и приводил их у принятым в Кладр. Наверное процентов 90 таких наименований можно распознать а там уже смотреть что это за административный объект - город, регион, район, нас пункт или улица. Потом пробовать связать это заного по Кладр, если получилось, значит считать распознанным.

> [4] Inovet ©   (30.09.16 19:59)
> город, регион, район, нас пункт или улица

Ну и сам Кладр лучше разделить на эти таблицы, когда в куче всё - оно совсем неудобно для выборок. Кстати, в Кладр есть история старых названий - тоже пригодится для распознавания.

Ещё в Кладр не совсем последовательно выборки делаются, я подзабыл немного тонкости - давно делал лет 15 назад что ли, но выборки однозначные получаются, просто по нескольким веткам алгоритма.

dadata.ru ?

> [7] megavoid ©   (30.09.16 20:18)
> dadata.ru ?

Хм. Только есть один правовой момент - обработка персональных данных.

"г. Электроугли, ул. Ленина 1-2-310" - в этой строке вне контекста нет персональных данных :)

> [9] megavoid ©   (30.09.16 20:24)

А ведь действительно нет.

PS есичо, я о них на хабре прочёл, отношения к ним не имею, не реклама

> [9] megavoid ©   (30.09.16 20:24)
> "г. Электроугли, ул. Ленина 1-2-310"

А ведь вот это "1-2-310" тоже дополнительная проблемма. Придётся ещё с разными вариантами разделителей прогонять адреса, во сколько раз там время увеличится на обработку, или даже в какой степени увеличится. Но для разовой обработки оно не важно.

Иной раз даже руками фиг введёшь название "улица имени маршала Рокоссовского Константина Константиновича", а в документе написано "улица Рокосовского К. К.", особенно когда в другом незнакомом городе и совсем в Омске где-нибудь.

Но тут просто поиск помогает. А бывает что и не помогает, но это исключения.

фигасе. даже апи есть. ну теперь точно доведу до ума.

> А ведь вот это "1-2-310" тоже дополнительная проблемма.

огромная проблема даже с местными, родными, адресами, люди вон аж целый сервис запилили
а уж с адресами глобально, по всему миру, даже и человеком трудноразрешимая, а то, порой, и вовсе не ))

> [16] megavoid ©   (30.09.16 21:18)

Интересно, насколько хорошо работает сервис по твоей ссылке. Вот Иоп поробует и, надеюсь, поделится впечатлениями. Что же всем разномастные велосипеды изобретать.

в общем сервис годный.
я пока заюзал бесплатный вариант на подсказках (не на стандартизации)
я кайфую, а робот правит в фоне