注目★★★★★Lobsters
日本郵便CSVの難題をposutoでJSON化
30秒で把握
- 1posutoが日本郵便ken_all.csvを扱いやすい形式へ整形
- 238文字超の町域名などを分割し他フィールドを重複
- 3〒452-0961は66行、ローマ字データにも品質問題
要約
著者は、日本郵便の郵便番号CSV「ken_all.csv」を扱いやすく整形するPythonパッケージ「posuto」を公開した。CSVには住所の注記や行順への参照が混在し、町域名が38文字、半角カタカナ読みが76文字を超えると行を分割して他の項目を重複させる仕様がある。分割位置も文字数上限や単語境界に沿わず、郵便番号〒452-0961は66行、〒602-8368と〒602-8374は8行に及ぶ。例外表現「except the following」や一円などの注記除去、品質の低いローマ字データにも対応し、Pythonライブラリと前処理済みJSONを提供する。
あなたへの影響
日本の住所・郵便番号を扱う開発チームは、ken_all.csvを直接解析せず、posutoの前処理済みJSONやREADMEの変換規則を確認して利用してください。
推奨：CSVの行分割や注記混入を見落とすと、住所の欠落や重複が起こり得ます。