0

我有一个数据集，我每晚都会导入到 SQL 表中。一个字段是“Address_3”，包含城市、州、邮编和国家字段。但是，这些数据不是标准化的。如何最好地将当前进入 1 个字段的数据解析为单个字段。以下是我可能收到的一些数据示例：

'INDIANAPOLIS, IN 46268  US'
'INDIANAPOLIS, IN 46268-1234  US'
'INDIANAPOLIS, IN 46268-1234'
'INDIANAPOLIS, IN 46268'

提前致谢！大卫

4

4 回答 4

2

我做过类似的事情（不是在 T-SQL 中），我发现最好从字符串的末尾开始并向后工作。

  • 抓住最右边的元素直到第一个空格或逗号。
  • 它是一个已知的国家代码吗？这是一个国家
  • 如果不是，是否全部为数字（包括连字符）？这是一个邮政编码。
  • 否则丢弃

抓住第二个最右边的元素直到下一个空格或逗号

  • 它是两个字母字符的字段吗？这是国家

抓住最后一个逗号之前的所有其他内容并将其称为城市。

您需要根据输入数据的外观进行一些调整，但基本思想是从右侧开始，抓住您可以轻松分类的元素并将其他所有内容称为城市。

您可以通过使用REVERSE函数来实现类似的功能，以使搜索更容易（在这种情况下，您将从左到右解析字符串，而不是像我上面所说的那样从右到左解析字符串），使用PATINDEX或CHARINDEX函数来查找空格和逗号和SUBSTRING函数根据 PATINDEX 和 CHARINDEX 找到的位置将地址分开。您可以使用ASCII函数来确定字符是否为数字。

您也使用 SSIS 标记标记了您的问题 - 在 SSIS 中的某些 VB 脚本中实现解析可能比尝试使用 T-SQL 更容易。

于 2010-04-30T20:13:05.413 回答
1

到目前为止，最好的方法是不要重新发明轮子并获得地址解析和标准化引擎。理想情况下，您将使用经过邮政服务批准的 CASS 认证引擎。但是，如今网络上有免费的地址解析器，其中任何一个都比尝试自己解析地址更准确，更不令人沮丧。

也就是说，我会说地址解析器和邮局自下而上工作（因此，国家，然后是邮政编码，然后是城市，然后是州，然后是地址第 2 行等）。

于 2010-05-02T03:22:13.387 回答
0

在 SSIS 中，您可以有 4 个派生列（城市、州、邮编、国家/地区）。

substring(column,1,FINDSTRING(",",column,1)-1)  --city
substring(column,FINDSTRING(" ",column,1)+1,FINDSTRING("",column,2)-1) --state
substring(column,FINDSTRING(" ",column,2)+1,FINDSTRING(" ",column,3)-1) -- zip

您可以看到上面的模式并相应地继续。这可能会有点复杂。您可以使用脚本组件来更好地提取文本行。

于 2010-05-01T15:14:51.037 回答
0

这样的事情应该有帮助：

select substring(CityStateZip, 1, 
case when charindex(',',reverse(CityStateZip)) = 0 then len(CityStateZip) 
else len(CityStateZip) - charindex(',',reverse(CityStateZip)) end) as City,
LEFT(LTRIM(
SUBSTRING(CityStateZip, case when charindex(',',reverse(CityStateZip)) = 0 then len(CityStateZip) else 
len(CityStateZip) - charindex(',',reverse(CityStateZip))+2 end, LEN(CityStateZip)))
,2) as State,

SUBSTRING(CityStateZip, case when charindex(' ',reverse(CityStateZip)) = 0 then len(CityStateZip) else 
len(CityStateZip) - charindex(' ',reverse(CityStateZip))+2 end, LEN(CityStateZip)) as Zip

from   YourAddressTable
于 2014-05-08T22:35:00.507 回答