Parsing 检测/解析文本中的邮件地址

是否有任何开源/商业库可以检测文本中的邮件地址，就像苹果的邮件应用程序在Mac/iPhone上的地址下划线一样

我一直在做一些在线研究，他们的想法似乎是要么使用Google、Regex，要么使用一个完整的NLP软件包，比如斯坦福大学的NLP，这通常是相当大的规模。我怀疑iPhone有一个500MB的NLP软件包，或者每次你读邮件时都会连接到谷歌。这让我相信应该有一个更简单的方法。可惜UIDataDetector不是开源的

---

我知道以前有人问过这个问题，但没有结论性的答案，所以我来试试。

解析地址不是一门科学。在我的办公室，我们已经处理地址解析多年了，问题是没有任何关于什么是有效地址的规则。我们使用USPS地址数据库来清理地址，这实际上是非常快的，而且比我们自己能够得到的更准确。它使我们获得了98%的准确率，而之前我们得到了大约90%的干净地址

地址解析的更大问题往往是人们输入地址的方式不同。同一地址可能具有以下所有形式

博蒙特东街128号
博蒙特东街128号
128 E Bmt St
博蒙特街128号
128 88号公路

第三个看起来完全错了，但人们有时会打出来。有时街道也是公路。有很多可能性。只要试着抓住90%，你就会接受这是地址解析的最佳结果。

提供了商业NLP，它可以解析上传文档或网络爬网中的实体和关系。前一个服务使用RESTAPI。我加入了这个URL，它提取了4/5的地址。请注意，将它们像那样串在一起会使它们特别困难

在此JSON输出中搜索“地址”：

其中一项：

{
  "id": 11,
  "len": 17,
  "offset": 1557,
  "text": "128 E Beaumont St",
  "type": "ADDRESS"
},

（注意：如果您使用HTML输出，这更适合演示，它会过滤掉非句子内容，这就是我显示JSON的原因）

免责声明：我在Extractiv工作

更新：

---

Extractiv已不复存在。

通过提取地址，然后将其与USPS数据进行比较，您实际上可以获得Drew提到的极高精度。每年从美国邮政局获得一张DVD肯定会奏效，但不会考虑地址的变化。为此，您需要一个更为最新的版本。USPS每月发布更新的地址数据（以专有格式），这将是权威地址的良好来源

除此之外，使用地址验证服务（在您提取地址数据后）将为您标准化地址，然后检查其可交付性和/或空缺状态。正如Drew提到的，同一个地址可以用许多不同的方式书写，但仍然有效。但是，USPS将始终使用标准格式

为了以编程方式完成所需的工作，您肯定需要一个API，尽管列表处理服务也可用

---

SmartyStreets有一个名为的免费地址验证API，它将标准化、验证并验证任何美国邮政地址。为了充分披露，我是SmartyStreets的创始人。

至于Python，您可以尝试Pyap：

---

它目前支持美国和加拿大的地址

你们使用任何工具/lib还是自己编写的？你能给我一些提示吗？在这一点上，90%对我们来说已经足够了。顺便说一句，我在Apple Mail中输入了你的样本，只检测到了1、2和5个。我不订购，但我们每年都会从邮局收到一张新的DVD，上面有美国的所有地址。看看这一页，因为我认为我们得到的是AIS数据。嘿，约翰，我看过《采掘》杂志，它看起来真的很酷。尽管我们正在寻找更多的库来与之集成，但我也希望探索抽取式。你能给我发电子邮件到“drew{at}venarc{dot}com”吗？这样我们就可以讨论这个问题了？我还想说，你每天可以用Extractiv免费处理多达1000个文档。从链接的网站上：“Extractiv不再可用。”嘿@JohnLehmann，这听起来像是我正在寻找的服务。。。代码在什么地方还可用吗？不，服务不存在了。