Сохраните исходный адрес, затем разберите его на компоненты и подготовьте отдельное представление для сравнения. Не заменяйте рабочую строку единственным результатом очистки. Если правило удалило корпус или помещение, красивые одинаковые строки могут обозначать разные места доставки.
Сначала определите задачу: поиск похожего ввода, печать этикетки, проверка существования дома или выбор точки на карте. Для каждой нужен свой результат. Нормализованный текст подходит для поиска кандидатов, но сам по себе не подтверждает существование адреса и доступность доставки.
Разбор строки не является проверкой места
Официальный проект libpostal описывает парсинг и нормализацию адресов для машинного сравнения и индексации. Библиотека не является полноценным геокодером. Документация проверена 26 октября 2026 года. Поэтому результат парсера следует проверять на ваших языках и форматах, а координаты и справочные идентификаторы получать соответствующим отдельным механизмом.
| Часть адреса | Что нельзя потерять |
|---|---|
| Населённый пункт | Различие одноимённых улиц |
| Улица | Тип и название по правилам источника |
| Дом | Букву, диапазон или иной значимый суффикс |
| Корпус или строение | Отдельный объект |
| Помещение | Квартиру, офис или unit |
| Комментарий | Инструкцию доставки вне поискового ключа |
Не удаляйте все слова «корпус», «строение» и «офис» вместе с соседними числами. Даже если сокращение можно привести к одному виду, значение компонента остаётся значимым. Для иностранного адреса привычная российская схема полей может оказаться неполной: проектируйте возможность сохранить неподдержанный фрагмент.
У адреса несколько представлений
Условная модель:
raw_address -> неизменённый ввод
parsed_components -> результат выбранного парсера
search_forms -> варианты для поиска
reference_id -> подтверждённая связь со справочником, если есть
delivery_details -> помещение и инструкции
normalization_version -> версия правил и модели
review_state -> подтверждено / неоднозначно / требует уточненияНормализация может породить несколько вариантов, и это нормально для поиска. Не берите первый вариант как официальное написание без проверки. Для отображения используйте согласованную форму, а для сопоставления храните подходящие поисковые признаки. Строка, удобная алгоритму, необязательно удобна курьеру или клиенту.
Отдельно выделите инструкции: «вход со двора» полезен при доставке, но не должен превращаться в название улицы. При этом автоматическое удаление всего текста после запятой потеряет и законные части адреса. Неизвестный фрагмент лучше сохранить и отметить для разбора, чем бесследно отбросить.
Для уже накопленных данных создайте новую версию результата рядом с прежней. До применения сравните изменения по компонентам: какие дома и помещения исчезли, какие строки стали одинаковыми, где парсер не смог выбрать структуру. Массовое обновление красивой текстовой колонки не заменяет такой отчёт.
Эталон содержит почти одинаковые адреса
- Создать искусственные варианты одного адреса с сокращениями.
- Добавить отдельные адреса с другим корпусом и помещением.
- Сравнить компоненты до и после нормализации.
- Проверить неоднозначный и неполный ввод.
- Повторить после обновления модели без перезаписи raw.
Не используйте реальные адреса клиентов в открытом наборе. Искусственные строки должны проверять структуру, а для оценки фактического справочника используйте разрешённую выборку с ограниченным доступом. Успех на нескольких придуманных примерах не позволяет обещать точность для всех регионов.
Итог приёмки — понятное решение для каждой строки: пригодна к сравнению, связана со справочником или ожидает уточнения. Подготовьте версии парсера, несколько обезличенных расхождений и правила значимости компонентов. Восстановление исходного ввода должно оставаться возможным после любой смены нормализатора.