Java 存储/规范化和搜索地址数据

我有很多与姓名相关的地址数据。地址有多种格式。例如：

街道名称街1号，县，镇。 县、镇街道名称街1号。 小镇StreetName街1号BuildingName 1号公寓。 县、镇街道名称街1号楼。 市区StreetName街1号1室。 县城街道名称街1号BuildingName 1号公寓。 我对每个地址都有单独的英国邮政编码数据，并对这些数据进行了规范化，以便即使每行内容不一致，大小写和分隔符也保持一致。不一致的措辞，如Street vs St仍然存在

到目前为止，我的方法取得了合理但有限的成功。我已经为邮政编码编制了索引，并强制用户选择邮政区，从而将数据分割成更小的可用数据块。在那之后，我将继续使用正则表达式查询，目前我正在使用mongo查找地址以查找街道名称

然而，由于目前为止我只能规范化的措辞不一致，例如：在数据库级别查询或规范化时，从用户查询生成High Street | St，这并不是非常准确或快速的

---

我意识到这是一个相当开放的问题，但人们会如何建议将其用于搜索和/或进一步规范化？我必须强制执行的搜索限制包括不能按姓名搜索，以及在将搜索范围缩小到单个街道/道路之前不能解析为人。请注意，有些地址没有街道/道路信息！。请注意，很多数据都是历史性的，所以通过谷歌或其他途径查找这些数据并不是一个真正的选择。

您是否看过类似的内容？在我之前的一个工作场所，我们遇到了类似的问题，我们最终使用lucene处理自由文本搜索，让它只返回匹配记录的id，然后从遗留数据库系统中查找实际数据，替换数据库不是一个选项。我只是想尝试对地址字段进行全文索引，看看效果如何。我不知道Mongo用什么来做这件事，但如果它是基于lucene的，我也不会感到惊讶。目前它也是一个测试版功能。我担心的是，文本搜索诸如伦敦路、巴斯等东西会返回大量其他地方的伦敦地址或伦敦小姐路、巴斯等。我想我必须尝试一下，看看它在这些情况下的表现。在Mongo中，每个查询也限制为100个结果。也许一个单独的lucene索引是一个不错的选择。我要补充一点，尽管我目前已经在mongo上构建了它，但它是一个原型，所以其他更合适的数据后端仍然是一个选择。我在这里还发现了一个非常棒的短端地址表单列表，我希望可以用它来进一步正常化：@tom，mongo内置的全文搜索不会做你想做的事情。它是从头开始构建的，不基于lucene，只支持非常基本的搜索单词、短语以及单词和短语的否定。搜索ondon不会返回包含伦敦的文件。话虽如此，看看它是否适合你的申请。为@JonathanF的信息干杯