郵便番号データの住所入力データ化取り止め

随分長い間、悪戦苦闘していましたが、郵便番号データの住所入力データ化を取り止めます。 理由は、住所入力データとして、郵便番号データより使いやすそうな無償のデータが見つかったからです。

なぜ今まで見つけられなかったのかが不思議ですが、日本基盤データベースというサイトで「住所基盤データベース」が無償で購入できます。

郵便番号データでは、全域とか各町という表現で落ちている町域データも入っている様子です。
何よりも、町域（大字）と字に地名が分離されているのが嬉しいです。

自分用にはまだ加工が必要ですが元データとしてはこちらを使用します。

購入時にダウンロード回数が１０回と表示されているので、１０回のダウンロード後は有償板を購入になるのかな？とちょっと不安もありますが、その際はまた郵便番号データの住所入力化が復活するかもしれません。

マージ済みデータで一部欠落と勘違いしました

ホームページにアップした郵便番号データのマージ済みCSVファイルですが、美馬市美馬町（郵便番号771-2102）のデータが一部欠落しています。

マージ作業そのものは問題がなかったのですが、CSVファイル作成時に２５５文字でカットされてしまったようです。
今のところ、見つけたのは１件だけですが、他にも欠落している可能性が有りますので、対処法が見つかるまで、ファイルは削除します。

まだ対処法が見つかっていません。

【追記】
文字数でソートした結果で確認すると、データの一部欠落は美馬町の１件だけでした。
ただ、市町村合併の結果でどう変化するかわからないのが、郵便番号データですから、いずれにしても対処は必要です。

【再追記】
タイトルも変更しましたが、勘違いでした。
CSVファイルは正しく作成されていました。
CSVファイルの確認の為,Accessのテーブルにリンクしていたのですが、リンクでデータ取り込みの設定の際列の設定をメモにしなければいけなかったのにTEXTに設定してデータリンクしたため、２５５文字までしか取り込めていませんでした。

メモ設定にして、取り込み、欠落がないことを確認しました。

また、ファイルをアップします。

改めて「**一円」を検証

昨日の記事で、(その他）の意味を調べると書きましたが、フラグが立っていないものもありますが、町域が分割された場合の字や丁目の纏まりのようです。
GoogleMapでは、（その他）を無視しても検索が出来るものが有りましたので、今のところは不要データとの認識ですが、全ての検証をした訳ではないので、絶対とは言い切れません。

今のところ、無視して不具合は見つかっていないので、「（その他）」の文言はブランク化の予定です。

もう一つブランク化予定の
郵便番号データに以下の説明のある「**町村一円」ですが

---「"○○市（または町・村）一円"」とは、町域名がない市区町村の場合にお書きいただく番号です。---

ＧｏｏｇｌｅＭａｐは先の次に番地がくる場合と同様に、町域のない住所の表示が苦手のようで、一円がらみの住所は検索しても表示されません。
村、または町の全域を表示します。

悩ましいのですが、Mapの仕様として諦めて、「**町村一円」についてはブランク化します。

将来、仕様が変われば、また検討します。

**の次に番地がくる場合の扱い

昨日、ビルのデータがＧｏｏｇｌｅＭａｐの検索で有効になるため、ビルのデータを残すと書きました。

「以下に記載がない場合」のデータは削除しても問題がなかったのですが、「**の次に番地がくる場合」のフレーズを削除しようと削除してもＧｏｏｇｌｅＭａｐで住所が表示されるか確認したところ、上手く表示してくれませんでした。

例えば、高知県いの町1700のいの町役場は表示されますが、茨城県境町１を入力すると境町陽光台１丁目が表示されます。
本当は、茨城県自動車学校境校です。

自動車学校を表示するには「茨城県境町（その他）１」と入力しなければいけません。

先のいの町役場も表示結果の住所は高知県いの町（その他）1700と表示されます。

というわけで、「**の次に番地がくる場合」の表記は「（その他）」に置き換えることにしますが
町域には（その他）を含むデータが他にもありますので、そちらのその他の意味を理解しておかないと次に進めません。

ビルデータの扱い変更

郵便番号データには、基準は判りませんがいくつかの高層ビルが町域データとして含まれ、個別の郵便番号も振られています。

一種の町域分割データとも見えるのですが、町域分割のフラグは付与されていません。

ビルには当然ですが所在地の住所もあり、IMEの郵便番号辞書では所在地を変換するとビルのものではない郵便番号に変換されます。

出張修理の地図出力には住所が有れば十分だったので、ビルデータは削除していましたが、ＧｏｏｇｌｅＭａｐでは郵便番号データに登録されているビル名で目的地として検索できますので、ビルのデータの削除はしないことにしました。

削除するデーターは、町域に「以下に記載がない場合」と表記されたレコードだけになりそうです。

ただ、コンボ用のデータとするには、件数が多くなるので、ビル名と階数を分けたいです。

分割された町域データのマージ済みCSV公開

日本郵便で公開されている郵便番号データは

「全角となっている町域部分の文字数が38文字を越える場合、また半角となっているフリガナ部分の文字数が76文字を越える場合は、複数レコードに分割しています。」

加工してやれば、分割データをマージすることは出来ますが、マージ後のデータを得るにはそれなりの時間が掛かります。

こんな加工済みデータでも、誰かの役に立てばと思い、データを公開しました。
サイトのMerge_Zip.CSVをクリックすると、読み仮名データが半角カタカナで促音・拗音を小書きで表記する全国版の郵便番号データをダウンロードして頂けます。

今のところは、５月３１日のデータですが、毎月月初には最新版に更新していく予定です。

やっと町域の読み仮名分離完成

３０，０００件中１０件ほどだったのですが、スペースで区切られた町域の読み仮名(スペースなし）を正確に分離できていないことが判り、修正を進めていました。

ようやく、全件正しく分離できるところまで、修正が完了しました。
とはいっても、現状のデータでとの前提付です。

他に急ぎでやらなければいけない事が溜まってしまっているので、郵便番号データの住所データ化は１０日間ほど作業中断です。

サイトの更新もしないといけないのですが、それも急ぎの作業が終了後になります。

問題が起きていたのは、ローマ字表記の読み仮名に"O O"、"O U"が含まれるデータです。
殆どの問題は、"O O"、"O U"を含まないレコードを使うことで回避できたのですが、
"O O"、"O U"を含むレコードしか使えないデータも有り、特例的な対応をしています。

今後についても、"O O"、"O U"を含むレコードしか使えないデータが発生した場合、特例的な対応を追加する必要が有ります。

そのあたりは、サイト更新時に明記するようにいたします。

サイト再開しました。

結果に自信が持てなくなって、一旦は閉鎖した郵便番号データの住所入力データ化のサイトですが、暇を見つけては、修正と確認を繰り返していました。

まだ、中途半端ですが、町域データのスペース区切りでの町域と地名の分離に目途が着きましたので、サイトを再開しました。

自分なりに、自信が持てる処までの公開ですので、まだ完結はしていません。

今後も、自信が持てるようになったら、順次公開していきます。

とはいえ、専門的な教育は受けておらず、独学で、拙いアルゴリズム、洗練とは程遠いスクリプトです。

ご指摘、御教示を頂ければ、理解できる範囲で修正をしていきたいと存じますので、よろしくご鞭撻をお願いいたします。

サイトは、以前と同じアドレスです。

http://www.anocora.com/jyusyoData/jyusyo.html

一致しない住所データ

ローマ字版で、スペースで区切られた住所データの分離作業中ですが、ローマ字版に有って、カナ版にはないデータを見つけました。

ローマ字版の方が、データのメンテナンスが遅れるのでしょうか？

郵便番号データ(ローマ字版）表記の揺れ

ローマ字版のデータを基に、町域データのスペースでの分離作業中ですが、動作検証中にこんなデータを見つけてしまいました。

長野県長野市の川中島町の読み仮名が１件だけ，ＫＡＷＡＮＡＫＡＪＩＭＡＣＨＯになっています。
他はＫＡＷＡＮＡＫＡＪＩＭＡＭＡＣＨＩです。どうやって対処するか検討中です。

ローマ字版で見つけたのですが、カナ版も同様の表記になっています。


ちなみに、GoogleMAPでは川中島町若葉町は検索しても表示されませんでした。

*2016.05.19追記
川中島町四ツ屋と川中島町上氷鉋にまたがって、若葉町の表記が有りました。
古くは、町域として独立していて、今でもその表記を使う人がいて、郵便番号が消去されずに残っているのでしょうか？
郵便物の実情に合わせてデータが保存されているとなると、今の住所表記と異なるデータがあるのかもしれません。