日本の住所の正規化に本気で取り組んでみたら大変すぎて鼻血が出た。 - Qiita

先日、弊社では Community Geocoder というサービスをリリースしました。 Community Geocoder 紹介記事 さて、このジオコーダーは、住所を正規化してそれを「大字町丁目コード」という12桁の数字に変換し、そのコードをファイル名として GitHub ページ上に大量においた JSON ファイルにアクセスして緯度経度を取得するということをやっています。 つまり、住所の正規化からコードに変換する部分がとても重要で、そもそも正規化に失敗してしまうとどうしようもないという仕様なんです。 さいわい先日経産省が公開した IMI コンポーネントツール である程度のことをやってくれるのですが（というかそうであることを期待したのですが）、いろいろ調べ始めると住所という仕組みはほんとに複雑で、Facebook で絡んでくださった @hfu さんいわくまさに「自然言語処理そのもの」であ

[bandoutarou]

東京都府中市で、京都府が入っててバグるのがあるある。

[IthacaChasma]

顧客データベース管理やってたことあるから激しく頷きながら読んだ。長野県の郡部は漢字列のどこが切れ目か分かりにくかったな。なおgoo地図が案外頑張ってて参考になった思い出（GoogleMapは不明部分の切り捨てが多い）

[sisya]

京都の住所は、例え正しくは「上ル」だとしても、北の道名から「下ル」と書いても届き、同様に東西の道から「東入ル」「西入ル」と書いても届くので、非正規に４つ住所を使える。多分記事中の正規化では捕捉できない

[table]

昔々、滋賀県愛知川郡愛知川町長野という住所を見たときは、県、郡、町と綺麗に切れてるのに脳の処理が追い付かなかった。/愛知郡覚えた！ありがとう！

[sjack]

福島県いわき市なんかは「丁目」じゃなくて「町目」と書くんだよね。認識されてないっぽい。

[lorenz_sys]

大阪は魔窟「大阪市中央区久太郎町４丁目渡辺」「大阪市鶴見区諸口５丁目浜６」(渡辺・浜６が番に相当)なんてのもある。岩手県の地割や北海道の線とか詳しくなればなるほど悲壮感が増す。IMIの住所変換コンポはどう？

[nil0303]

住所と郵便番号はマジで鬼門。機械でやるような内容じゃない。

[vamview]

やめいやめい、住所は今も常に変わりよるんやぞ。書き方もローカルルール多すぎるし、随時メンテされるマスタと連動しないと無理無理。ただこれできないと完璧なカスタマバーコードとか出せないのよね

[ozp]

愛知川郡じゃなくて愛知郡。ちなみに読み方はエチガワ・エチグンです。

[Wafer]

東京都東村 山市（東村山市）とかあるな。三重県四日市市とかも

[YassLab]

“「通り名」で区別してる問題はやはりラスボスになるかもですね。すべての Issue を完全に解決することはできないかもですが、積み重ねて徐々に育てていけるとは思います。 ほんとうにありがとうございます！”

[BUNTEN]

普通は何々県蟹可児郡何とか町中田1難癖団地1-23-45あたりの表記になると思うが、うちの団地は郡内の町名の直後に○○団地×番△号。おかげで某フォーマットに正しく入力できずに苦労したことが。

[Mash]

3年ぶりに大変さに注目が集まる

[greenbuddha138]

すご

[ext3]

″京都府京都市東山区大和大路通正面下る大和大路2″えっ なにこの住所。とおもったら干支とか出てきて頭パンクしそう

[shag]

漢数字のゼロなんてあるんだ。。ゼロって英語なのに漢数字あるんだ。零が既にあるのに。。セブンという漢数字はないだろうし。。

[yoiIT]

各自治体で持っている住所情報のフォーマットもぐちゃぐちゃだからね。。

[rryu]

住所は地域ごとに仕様が異なるというのが最大の罠で、上位階層から絞り込んでいけば場所は特定できるので結構適当に書かれがちである。

[securecat]

住所は合併とかでバンバン変わるし、新しいビルが建つとかでも追加になったりするから一生攻略できない

[You-me]

歴史好き的には楽しいんだけどデータベース作る人からすると地獄だよね

[razokulover]

たしかに京都鬼門すぎる…

[gayou]

ブログ記事から住所を抽出するタスクをやってるけど、表記揺れの対応に苦慮しているので参考にする。

[somefiles]

沖縄県島尻郡渡名喜村には、村の下に町名（字名）が一切なく、「渡名喜村○○番地」しかない。

[akymrk]

“特に 丁目 がやばい。 一番大きい 丁目 は 万丁目”"大阪市中央区上町は 丁目 のかわりに A番 とかはいる""堺市は 丁目 じゃなくて 丁 ですから！""「八幡平市大更第35地割62番地」とか「東京都青ヶ島無番地」"

[kuracom]

オープンデータ公開おめでとうございます https://internet.watch.impress.co.jp/docs/news/1271298.html

[yuuAn]

郵便番号＋番地で住所が特定できて、それを使うのが一般的になればいいんだけど……

[MzdA0w73tg]

こんなん国がやるべきだろ……

[naglfar]

地獄なの知ってると思いつつブコメを読んだら地獄の底が広がった。

[nankichi]

お仕事で住所を触っているものとして：企業の住所には「土地区画整理事業地内」ってのがあるよ。http://www.city.hitachinaka.lg.jp/matizukuri/5/1/4646.html　後銀座Inz とかの境界未定も。https://style.nikkei.com/article/DGXNASFK1902X_Z11C11A0000000/

[kuippa]

上のほうは郵便番号辞書から引くといいよ。日本語入力できなくて全部アルファベットで入れる人とかいるし。問題は住居表示に関する法律に従わなかった自由表記な地域とか様方とかフランス語なマンション名

[cinemaphile]

わかる。分かるんだが、みんながそれぞれやる非効率な感じなんとかならんか。

[ykore52]

郵便番号より細かい単位の専用コードが必要

[naska]

八潮市八潮二丁目と八潮市二丁目(大字)

[marmot1123]

誰か完璧なの作って使い回すのは無理なのか。/というかそもそもコンピュータで扱いやすいように正規の住所の方を変更すれば良いのではという抵抗の大きそうなアイディア。

[kaorun]

あるあると読んでからのブコメが本番。

[pre21]

そもそも戸籍住民票以外で１丁目とかいちいち書くかなあ。運転免許証すら1-7-1的な表記で通っちゃってるけど。

[amayan]

静岡県下田市と埼玉県上尾市には「一丁目」という町がある。

[segawashin]

春日部市には「八丁目」という町名があるんだよね……。／日本もいいかげん道路名は通り名＋番地に切り替えたほうがいいと思うがなあ。韓国でも切り替えには15年かかったらしいけど。

[shaketoba]

鼻血を出す住所録はきっと世の中のどこかにあると思う。

[robo_pitcher]

京都市内の住所正規化は上ル下ル東入ル西入ル含めてどうやって正規化してんのか。