先照這個順序做
- 保存來源原文
- 另外建立查找用正規化欄位
- 代碼一律保留前導零
- 不要刪除樓層或行政區
- 輸出正式文件前回看原始來源
正規化是查找工具,不是改寫來源
全形 120 與半形 120 通常指同一數字,臺與台也常是字形差異。把這些差異暫時消除,有助於找出看似不同但其實相同的地址文字。
本站仍同時保留兩份原始地址,讓使用者看得到資料實際寫法。
哪些內容不該自動消掉
樓層、室號、行政區、巷弄與門牌附號都可能影響實際地點或登記範圍。沒有明確規則與人工確認時,不應為了提高相同比例而刪除。
再確認一件事
程式可以只保存正規化後地址嗎?
不建議。應保存來源原文,再另建正規化欄位供搜尋或比對,才能追溯差異。