Nothing
R/padronizar_logradouros.R
In enderecobr: Padronizador de Endereços Brasileiros (Brazilian Addresses Standardizer)
Defines functions
padronizar_logradouros
Documented in
padronizar_logradouros
#' Padronizar logradouros
#'
#' Padroniza um vetor de caracteres representando logradouros de municípios
#' brasileiros. Veja a seção *Detalhes* para mais informações sobre a
#' padronização.
#'
#' @param logradouros Um vetor de caracteres. Os logradouros a serem
#' padronizados.
#'
#' @return Um vetor de caracteres com os logradouros padronizados.
#'
#' @section Detalhes:
#' Operações realizadas durante a padronização:
#'
#' - remoção de espaços em branco antes e depois das strings e remoção de
#' espaços em excesso entre palavras;
#' - conversão de caracteres para caixa alta;
#' - remoção de acentos e caracteres não ASCII;
#' - adição de espaços após abreviações sinalizadas por pontos;
#' - expansão de abreviações frequentemente utilizadas através de diversas
#' [expressões regulares
#' (regexes)](https://en.wikipedia.org/wiki/Regular_expression);
#' - correção de alguns pequenos erros ortográficos.
#'
#' @examples
#' logradouros <- c("r. gen.. glicério")
#' padronizar_logradouros(logradouros)
#'
#' @export
padronizar_logradouros <- function(logradouros) {
checkmate::assert_character(logradouros)
logradouros_dedup <- unique(logradouros)
logradouros_padrao_dedup <- stringr::str_squish(logradouros_dedup)
logradouros_padrao_dedup <- toupper(logradouros_padrao_dedup)
logradouros_padrao_dedup <- stringi::stri_trans_general(
logradouros_padrao_dedup,
"Latin-ASCII"
)
logradouros_padrao_dedup <- stringr::str_replace_all(
logradouros_padrao_dedup,
c(
# pontuacao
"\\.\\.+" = ".", # ponto repetido
",,+" = ",", # virgula repetida
r"{(\d)\.(\d{3})}" = "\\1\\2", # remocao de separador de milhar
"\\.([^ ,])" = "\\. \\1", # garantir que haja um espaco depois dos pontos
",([^ ])" = ", \\1", # garantir que haja um espaco depois das virgulas
" \\." = "\\.", # garantir que não haja um espaco antes dos pontos
" ," = ",", # garantir que não haja um espaco antes dos pontos
r"{\.$}" = "", # remocao de ponto final
# sinalizacao
r"{"}" = "'", # existem ocorrencias em que aspas duplas sao usadas para se referir a um logradouro/quadra com nome relativamente ambiguo - e.g. RUA \"A\", 26. isso pode causar um problema quando lido com o data.table: https://github.com/Rdatatable/data.table/issues/4779. por enquanto, substituindo por aspas simples. depois a gente pode ver o que fazer com as aspas simples rs.
# valores non-sense
r"{^(0|-)+$}" = "", # - --+ 0 00+
r"{^([^\dIX])\1{1,}$}" = "", # qualquer valor não numérico ou romano repetido 2+ vezes
r"{^(\d)\1{3,}$}" = "", # assumindo que qualquer numero que apareca 4 ou mais vezes repetido eh um erro de digitacao
r"{^I{4,}$}" = "", # IIII+
r"{^X{3,}$}" = "", # XXX+
# tipos de logradouro
"^RU?\\b(\\.|,)?" = "RUA", # R. AZUL -> RUA AZUL
"^(RUA|RODOVIA|ROD(\\.|,)?) (RUA|RU?)\\b(\\.|,)?" = "RUA", # RUA R. AZUL -> RUA AZUL
"^RUA\\b(-|,|\\.) *" = "RUA ", # R-AZUL -> RUA AZUL
"^(ROD|RDV)\\b(\\.|,)?" = "RODOVIA",
"^(RODOVIA|RUA) (RODOVIA|ROD|RDV)\\b(\\.|,)?" = "RODOVIA",
"^RODOVIA\\b(-|,|\\.) *" = "RODOVIA ",
# outros pra rodovia: "RO", "RO D", "ROV"
"^AV(E|N|D|DA|I)?\\b(\\.|,)?" = "AVENIDA",
"^(AVENIDA|RUA|RODOVIA) (AVENIDA|AV(E|N|D|DA|I)?)\\b(\\.|,)?" = "AVENIDA",
"^AVENIDA\\b(-|,|\\.) *" = "AVENIDA ",
# EST pode ser estancia ou estrada. será que deveríamos assumir que é estrada mesmo?
"^(ESTR?|ETR)\\b(\\.|,)?" = "ESTRADA",
"^(ESTRADA|RUA|RODOVIA) (ESTRADA|ESTR?|ETR)\\b(\\.|,)?" = "ESTRADA",
"^ESTRADA\\b(-|,|\\.) *" = "ESTRADA ",
"^(PCA?|PRC)\\b(\\.|,)?" = "PRACA",
"^(PRACA|RUA|RODOVIA) (PRACA|PCA?|PRC)\\b(\\.|,)?" = "PRACA",
"^PRACA\\b(-|,|\\.) *" = "PRACA ",
"^BE?CO?\\b(\\.|,)?" = "BECO",
"^(BECO|RUA|RODOVIA) BE?CO?\\b(\\.|,)?" = "BECO",
"^BE?CO?\\b(-|,|\\.) *" = "BECO ",
"^(TV|TRV|TRAV?)\\b(\\.|,)?" = "TRAVESSA", # tem varios casos de TR tambem, mas varios desses sao abreviacao de TRECHO, entao eh dificil fazer uma generalizacao
"^(TRAVESSA|RODOVIA) (TRAVESSA|TV|TRV|TRAV?)\\b(\\.|,)?" = "TRAVESSA", # nao botei RUA nas opcoes iniciais porque tem varios ruas que realmente sao RUA TRAVESSA ...
"^TRAVESSA\\b(-|,|\\.) *" = "TRAVESSA ",
"^(TRAVESSA|RUA|RODOVIA) (TRAVESSA|TV|TRV|TRAV?)\\b- *" = "TRAVESSA ", # aqui ja acho que faz sentido botar o RUA porque so da match com padroes como RUA TRAVESSA-1
"^P((A?R)?Q|QU?E)\\b(\\.|,)?" = "PARQUE",
"^(PARQUE|RODOVIA) (PARQUE|P((A?R)?Q|QU?E))\\b(\\.|,)?" = "PARQUE", # mesmo caso de travessa
"^PARQUE\\b(-|,|\\.) *" = "PARQUE ",
"^(PARQUE|RUA|RODOVIA) (PARQUE|P((A?R)?Q|QU?E))\\b- *" = "PARQUE ", # mesmo caso de travessa
"^ALA?\\b(\\.|,)?" = "ALAMEDA",
"^ALAMEDA (ALAMEDA|ALA?)\\b(\\.|,)?" = "ALAMEDA", # mesmo caso de travessa
"^RODOVIA (ALAMEDA|ALA)\\b(\\.|,)?" = "ALAMEDA", # RODOVIA precisa ser separado porque nesse caso nao podemos mudar RODOVIA AL pra ALAMEDA, ja que pode ser uma rodovia estadual de alagoas
"^ALAMEDA\\b(-|,|\\.) *" = "ALAMEDA ",
"^(ALAMEDA|RUA) (ALAMEDA|ALA?)\\b- *" = "ALAMEDA ", # mesmo caso de travessa
"^RODOVIA (ALAMEDA|ALA)\\b- *" = "ALAMEDA ", # mesmo caso acima
"^LOT\\b(\\.|,)?" = "LOTEAMENTO",
"^(LOTEAMENTO|RUA|RODOVIA) LOT\\b(\\.|,)?" = "LOTEAMENTO",
"^LOTEAMENTO?\\b(-|,|\\.) *" = "LOTEAMENTO ",
"^LOC\\b(\\.|,)?" = "LOCALIDADE",
"^(LOCALIDADE|RUA) LOC\\b(\\.|,)?" = "LOCALIDADE",
"^LOCALIDADE?\\b(-|,|\\.) *" = "LOCALIDADE ",
"^VL\\b(\\.|,)?" = "VILA",
"^VILA VILA\\b(\\.|,)?" = "VILA",
"^VILA?\\b(-|,|\\.) *" = "VILA ",
"^LAD\\b(\\.|,)?" = "LADEIRA",
"^LADEIRA LADEIRA\\b(\\.|,)?" = "LADEIRA",
"^LADEIRA?\\b(-|,|\\.) *" = "LADEIRA ",
"^DT\\b(\\.|,)?" = "DISTRITO",
"\\bDISTR?\\b\\.?" = "DISTRITO",
"^DISTRITO DISTRITO\\b(\\.|,)?" = "DISTRITO",
"^DISTRITO?\\b(-|,|\\.) *" = "DISTRITO ",
"^NUC\\b(\\.|,)?" = "NUCLEO",
"^NUCLEO NUCLEO\\b(\\.|,)?" = "NUCLEO",
"^NUCLEO?\\b(-|,|\\.) *" = "NUCLEO ",
"^L(RG|GO)\\b(\\.|,)?" = "LARGO",
"^LARGO L(RG|GO)\\b(\\.|,)?" = "LARGO",
"^LARGO?\\b(-|,|\\.) *" = "LARGO ",
# estabelecimentos
"^AER(OP)?\\b(\\.|,)?" = "AEROPORTO", # sera que vale? tem uns casos estranhos aqui, e.g. "AER GUANANDY, 1", "AER WASHINGTON LUIZ, 3318"
"^AEROPORTO (AEROPORTO|AER)\\b(\\.|,)?" = "AEROPORTO",
"^AEROPORTO INT(ERN?)?\\b(\\.|,)?" = "AEROPORTO INTERNACIONAL",
"^COND\\b(\\.|,)?" = "CONDOMINIO",
"^(CONDOMINIO|RODOVIA) (CONDOMINIO|COND)\\b(\\.|,)?" = "CONDOMINIO",
"^FAZ(EN?)?\\b\\.?" = "FAZENDA",
"^(FAZENDA|RODOVIA) (FAZ(EN?)?|FAZENDA)\\b(\\.|,)?" = "FAZENDA",
r"{\bFAZ(EN?)?\b\.?}" = "FAZENDA",
"^COL\\b\\.?" = "COLONIA",
"\\bCOLONIA AGRI?C?\\b\\.?" = "COLONIA AGRICOLA",
# títulos
"\\bSTA\\b\\.?" = "SANTA",
"\\bSTO\\b\\.?" = "SANTO",
r"{\b(N(OS|SS?A?)?\.? S(RA|ENHORA)|(NOSSA|NSA\.?) (S(RA?)?|SEN(H(OR)?)?))\b\.?}" = "NOSSA SENHORA",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( DE?)?|NOSSA SENHORA|NS) (FAT.*|LO?UR.*|SANTANA|GUADALUPE|NAZ.*|COP*)\b}" = "NOSSA SENHORA DE \\7",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( D(A|E)?)?|NOSSA SENHORA|NS) (GRACA|VITORIA|PENHA|CONCEICAO|PAZ|GUIA|AJUDA|CANDELARIA|PURIFICACAO|SAUDE|PIEDADE|ABADIA|GLORIA|SALETE|APRESENTACAO)\b}" = "NOSSA SENHORA DA \\8",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( D(A|E)?)?|NOSSA SENHORA D(A|E)|NS) (APA.*|AUX.*|MEDIANEIRA|CONSOLADORA)\b}" = "NOSSA SENHORA \\9",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( D(OS?)?)?|NOSSA SENHORA|NS) (NAVEGANTES)\b}" = "NOSSA SENHORA DOS \\8",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( DO?)?|NOSSA SENHORA|NS) (CARMO|LIVRAMENTO|RETIRO|SION|ROSARIO|PILAR|ROCIO|CAMINHO|DESTERRO|BOM CONSELHO|AMPARO|PERP.*|P.* S.*)\b}" = "NOSSA SENHORA DO \\7",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( D(AS?)?)?|NOSSA SENHORA|NS) (GRACAS|DORES)\b}" = "NOSSA SENHORA DAS \\8",
r"{\b(S(R|ENH?)\.?( D(OS?)?)?|SENHOR( D(OS)?)?) (BON\w*)\b}" = "SENHOR DO BONFIM",
r"{\b(S(R|ENH?)\.?( D(OS?)?)?|SENHOR( D(OS?)?)?) (BOM ?F\w*)\b}" = "SENHOR DO BONFIM",
r"{\b(S(R|ENH?)\.?( D(OS?)?)?|SENHOR) (PASS\w*|MONT\w*)\b}" = "SENHOR DOS \\5",
r"{\bS(R|ENH?)\.? (BOM J\w*)\b}" = "SENHOR BOM JESUS",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( D(OS?)?)?|NOSSO SENHOR|NS) (BONF\w*|BOM ?F\w*)\b}" = "NOSSO SENHOR DO BONFIM",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( D(OS?)?)?|NOSSO SENHOR|NS) (PASS\w*|MONT\w*)\b}" = "NOSSO SENHOR DOS \\8",
"\\bALM?TE\\b\\.?" = "ALMIRANTE",
"\\bMAL\\b\\.?" = "MARECHAL",
"\\b(GEN|GAL)\\b\\.?" = "GENERAL",
"\\b(SGTO?|SARG)\\b\\.?" = "SARGENTO",
"\\b(PRIMEIRO|PRIM|1)\\.? SARGENTO\\b" = "PRIMEIRO-SARGENTO",
"\\b(SEGUNDO|SEG|2)\\.? SARGENTO\\b" = "SEGUNDO-SARGENTO",
"\\b(TERCEIRO|TERC|3)\\.? SARGENTO\\b" = "TERCEIRO-SARGENTO",
"\\bCEL\\b\\.?" = "CORONEL",
"\\bBRIG\\b\\.?" = "BRIGADEIRO",
"\\bTEN\\b\\.?" = "TENENTE",
"\\bTENENTE CORONEL\\b" = "TENENTE-CORONEL",
"\\bTENENTE BRIGADEIRO\\b" = "TENENTE-BRIGADEIRO",
"\\bTENENTE AVIADOR\\b" = "TENENTE-AVIADOR",
"\\bSUB TENENTE\\b" = "SUBTENENTE",
"\\b(PRIMEIRO|PRIM\\.?) TENENTE\\b" = "PRIMEIRO-TENENTE",
"\\b(SEGUNDO|SEG\\.?) TENENTE\\b" = "SEGUNDO-TENENTE",
"\\bSOLD\\b\\.?" = "SOLDADO",
"\\bMAJ\\b\\.?" = "MAJOR",
"\\bPROF\\b\\.?" = "PROFESSOR",
"\\bPROFA\\b\\.?" = "PROFESSORA",
"\\bDR\\b\\.?" = "DOUTOR",
"\\bDRA\\b\\.?" = "DOUTORA",
"\\bENG\\b\\.?" = "ENGENHEIRO",
"\\bENGA\\b\\.?" = "ENGENHEIRA",
"\\bPD?E\\b\\." = "PADRE", # PE pode ser só pe mesmo, entao forcando o PE. (com ponto) pra ser PADRE
"\\bMONS\\b\\.?" = "MONSENHOR",
"\\bPRES(ID)?\\b\\.?" = "PRESIDENTE",
"\\bGOV\\b\\.?" = "GOVERNADOR",
"\\bSEN\\b\\.?" = "SENADOR",
"\\bPREF\\b\\.?" = "PREFEITO",
"\\bDEP\\b\\.?" = "DEPUTADO",
"\\bVER\\b\\.?(?!$)" = "VEREADOR",
"\\bESPL?\\.? (DOS )?MIN(IST(ERIOS?)?)?\\b\\.?" = "ESPLANADA DOS MINISTERIOS",
"\\bMIN\\b\\.?(?!$)" = "MINISTRO",
# abreviacoes
r"{\bJAR DIM\b}" = "JARDIM",
r"{\bJ(D(I?M)?|A?RD|AR(DIN)?)\b\.?}" = "JARDIM",
"\\bUNID\\b\\.?" = "UNIDADE",
"\\b(CJ|CONJ)\\b\\.?" = "CONJUNTO",
"\\bLT\\b\\.?" = "LOTE",
"\\bLTS\\b\\.?" = "LOTES",
"\\bQDA?\\b\\.?" = "QUADRA",
"\\bLJ\\b\\.?" = "LOJA",
"\\bLJS\\b\\.?" = "LOJAS",
"\\bAPTO?\\b\\.?" = "APARTAMENTO",
"\\bBL\\b\\.?" = "BLOCO",
"\\bSLS\\b\\.?" = "SALAS",
"\\bEDI?F\\.? EMP\\b\\.?" = "EDIFICIO EMPRESARIAL",
"\\bEDI?F\\b\\.?" = "EDIFICIO",
"\\bCOND\\b\\.?" = "CONDOMINIO", # apareceu antes mas como tipo de logradouro
"\\bKM\\b\\." = "KM",
"\\bS\\.? ?N\\b\\.?" = "S/N",
r"{(\d)\.( O)? A(ND(AR)?)?\b\.?}" = "\\1 ANDAR",
r"{(\d)\.( O)? ANDARES\b}" = "\\1 ANDARES",
r"{(\d)( O)? AND\b\.?}" = "\\1 ANDAR",
r"{\bCX\.? ?P(T|(OST(AL)?))?\b\.?}" = "CAIXA POSTAL",
r"{\bC\.? ?P(T|(OST(AL)?))?\b\.?}" = "CAIXA POSTAL",
# SL pode ser sobreloja ou sala
# intersecao entre nomes e titulos
# - D. pode ser muita coisa (e.g. dom vs dona), entao nao da pra
# simplesmente assumir que vai ser um valor especifico, so no contexto
# - MAR pode ser realmente só mar ou uma abreviação pra marechal
"\\bD\\b\\.? (PEDRO|JOAO|HENRIQUE)" = "DOM \\1",
"\\bI(NF)?\\.? DOM\\b" = "INFANTE DOM",
"\\bMAR\\b\\.? ((CARMONA|JOFRE|HERMES|MALLET|DEODORO|MARCIANO|OTAVIO|FLORIANO|BARBACENA|FIUZA|MASCARENHAS|MASCARENHA|TITO|FONTENELLE|XAVIER|BITENCOURT|BITTENCOURT|CRAVEIRO|OLIMPO|CANDIDO|RONDON|HENRIQUE|MIGUEL|JUAREZ|FONTENELE|FONTENELLE|DEADORO|HASTIMPHILO|NIEMEYER|JOSE|LINO|MANOEL|HUMB?|HUMBERTO|ARTHUR|ANTONIO|NOBREGA|CASTELO|DEODORA)\\b)" = "MARECHAL \\1",
# nomes
"\\b(GETULHO|JETULHO|JETULIO|JETULHO|GET|JET)\\.? VARGAS\\b" = "GETULIO VARGAS",
"\\b(J(U[A-Z]*)?)\\.? (K(U[A-Z]*)?)\\b\\.?" = "JUSCELINO KUBITSCHEK",
# expressoes hifenizadas ou nao
# - beira-mar deveria ter pelo novo acordo ortografico, mas a grafia da
# grande maioria das ruas (se nao todas, nao tenho certeza) eh beira
# mar, sem hifen
"\\bBEIRA-MAR\\b" = "BEIRA MAR",
# rodovias
"\\b(RODOVIA|BR\\.?|RODOVIA BR\\.?) CENTO D?E (DESESSEIS|DESESEIS|DEZESSEIS|DEZESEIS)\\b" = "RODOVIA BR-116",
"\\b(RODOVIA|BR\\.?|RODOVIA BR\\.?) CENTO D?E H?UM\\b" = "RODOVIA BR-101",
# será que essas duas de baixo valem?
"\\bBR\\.? ?(\\d{3})" = "BR-\\1",
# essa aqui é complicada... AL, AP, SE, entre outras, são siglas que podem aparecer sem serem rodovias
"\\b(RO|AC|AM|RR|PA|AP|TO|MA|PI|CE|RN|PB|PE|AL|SE|BA|MG|ES|RJ|SP|PR|SC|RS|MS|MT|GO|DF) ?(\\d{3})" = "\\1-\\2",
# 0 à esquerda
" (0)(\\d+)" = " \\2",
# correcoes de problemas ocasionados pelos filtros acima
"\\bTENENTE SHI\\b" = "TEN SHI",
"\\bHO SHI MINISTRO\\b" = "HO SHI MIN",
# datas
r"{\b(\d+) DE? JAN(?!EIRO)\b}" = "\\1 DE JANEIRO",
r"{\b(\d+) DE? FEV(?!EREIRO)\b}" = "\\1 DE FEVEREIRO",
r"{\b(\d+) DE? MAR(?!CO)\b}" = "\\1 DE MARCO",
r"{\b(\d+) DE? ABR(?!IL)\b}" = "\\1 DE ABRIL",
r"{\b(\d+) DE? MAI(?!O)\b}" = "\\1 DE MAIO",
r"{\b(\d+) DE? JUN(?!HO)\b}" = "\\1 DE JUNHO",
r"{\b(\d+) DE? JUL(?!HO)\b}" = "\\1 DE JULHO",
r"{\b(\d+) DE? AGO(?!STO)\b}" = "\\1 DE AGOSTO",
r"{\b(\d+) DE? SET(?!EMBRO)\b}" = "\\1 DE SETEMBRO",
r"{\b(\d+) DE? OUT(?!UBRO)\b}" = "\\1 DE OUTUBRO",
r"{\b(\d+) DE? NOV(?!EMBRO)\b}" = "\\1 DE NOVEMBRO",
r"{\b(\d+) DE? DEZ(?!EMBRO)\b}" = "\\1 DE DEZEMBRO"
# ALM é um caso complicado, pode ser alameda ou almirante. inclusive no mesmo endereço podem aparecer os dois rs
)
)
names(logradouros_padrao_dedup) <- logradouros_dedup
logradouros_padrao <- logradouros_padrao_dedup[logradouros]
names(logradouros_padrao) <- NULL
logradouros_padrao[logradouros_padrao == ""] <- NA_character_
return(logradouros_padrao)
}
Try the enderecobr package in your browser
Any scripts or data that you put into this service are public.
enderecobr documentation built on April 3, 2025, 8:40 p.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Defines functions padronizar_logradouros
Documented in padronizar_logradouros
#' Padronizar logradouros
#'
#' Padroniza um vetor de caracteres representando logradouros de municípios
#' brasileiros. Veja a seção *Detalhes* para mais informações sobre a
#' padronização.
#'
#' @param logradouros Um vetor de caracteres. Os logradouros a serem
#' padronizados.
#'
#' @return Um vetor de caracteres com os logradouros padronizados.
#'
#' @section Detalhes:
#' Operações realizadas durante a padronização:
#'
#' - remoção de espaços em branco antes e depois das strings e remoção de
#' espaços em excesso entre palavras;
#' - conversão de caracteres para caixa alta;
#' - remoção de acentos e caracteres não ASCII;
#' - adição de espaços após abreviações sinalizadas por pontos;
#' - expansão de abreviações frequentemente utilizadas através de diversas
#' [expressões regulares
#' (regexes)](https://en.wikipedia.org/wiki/Regular_expression);
#' - correção de alguns pequenos erros ortográficos.
#'
#' @examples
#' logradouros <- c("r. gen.. glicério")
#' padronizar_logradouros(logradouros)
#'
#' @export
padronizar_logradouros <- function(logradouros) {
checkmate::assert_character(logradouros)
logradouros_dedup <- unique(logradouros)
logradouros_padrao_dedup <- stringr::str_squish(logradouros_dedup)
logradouros_padrao_dedup <- toupper(logradouros_padrao_dedup)
logradouros_padrao_dedup <- stringi::stri_trans_general(
logradouros_padrao_dedup,
"Latin-ASCII"
)
logradouros_padrao_dedup <- stringr::str_replace_all(
logradouros_padrao_dedup,
c(
# pontuacao
"\\.\\.+" = ".", # ponto repetido
",,+" = ",", # virgula repetida
r"{(\d)\.(\d{3})}" = "\\1\\2", # remocao de separador de milhar
"\\.([^ ,])" = "\\. \\1", # garantir que haja um espaco depois dos pontos
",([^ ])" = ", \\1", # garantir que haja um espaco depois das virgulas
" \\." = "\\.", # garantir que não haja um espaco antes dos pontos
" ," = ",", # garantir que não haja um espaco antes dos pontos
r"{\.$}" = "", # remocao de ponto final
# sinalizacao
r"{"}" = "'", # existem ocorrencias em que aspas duplas sao usadas para se referir a um logradouro/quadra com nome relativamente ambiguo - e.g. RUA \"A\", 26. isso pode causar um problema quando lido com o data.table: https://github.com/Rdatatable/data.table/issues/4779. por enquanto, substituindo por aspas simples. depois a gente pode ver o que fazer com as aspas simples rs.
# valores non-sense
r"{^(0|-)+$}" = "", # - --+ 0 00+
r"{^([^\dIX])\1{1,}$}" = "", # qualquer valor não numérico ou romano repetido 2+ vezes
r"{^(\d)\1{3,}$}" = "", # assumindo que qualquer numero que apareca 4 ou mais vezes repetido eh um erro de digitacao
r"{^I{4,}$}" = "", # IIII+
r"{^X{3,}$}" = "", # XXX+
# tipos de logradouro
"^RU?\\b(\\.|,)?" = "RUA", # R. AZUL -> RUA AZUL
"^(RUA|RODOVIA|ROD(\\.|,)?) (RUA|RU?)\\b(\\.|,)?" = "RUA", # RUA R. AZUL -> RUA AZUL
"^RUA\\b(-|,|\\.) *" = "RUA ", # R-AZUL -> RUA AZUL
"^(ROD|RDV)\\b(\\.|,)?" = "RODOVIA",
"^(RODOVIA|RUA) (RODOVIA|ROD|RDV)\\b(\\.|,)?" = "RODOVIA",
"^RODOVIA\\b(-|,|\\.) *" = "RODOVIA ",
# outros pra rodovia: "RO", "RO D", "ROV"
"^AV(E|N|D|DA|I)?\\b(\\.|,)?" = "AVENIDA",
"^(AVENIDA|RUA|RODOVIA) (AVENIDA|AV(E|N|D|DA|I)?)\\b(\\.|,)?" = "AVENIDA",
"^AVENIDA\\b(-|,|\\.) *" = "AVENIDA ",
# EST pode ser estancia ou estrada. será que deveríamos assumir que é estrada mesmo?
"^(ESTR?|ETR)\\b(\\.|,)?" = "ESTRADA",
"^(ESTRADA|RUA|RODOVIA) (ESTRADA|ESTR?|ETR)\\b(\\.|,)?" = "ESTRADA",
"^ESTRADA\\b(-|,|\\.) *" = "ESTRADA ",
"^(PCA?|PRC)\\b(\\.|,)?" = "PRACA",
"^(PRACA|RUA|RODOVIA) (PRACA|PCA?|PRC)\\b(\\.|,)?" = "PRACA",
"^PRACA\\b(-|,|\\.) *" = "PRACA ",
"^BE?CO?\\b(\\.|,)?" = "BECO",
"^(BECO|RUA|RODOVIA) BE?CO?\\b(\\.|,)?" = "BECO",
"^BE?CO?\\b(-|,|\\.) *" = "BECO ",
"^(TV|TRV|TRAV?)\\b(\\.|,)?" = "TRAVESSA", # tem varios casos de TR tambem, mas varios desses sao abreviacao de TRECHO, entao eh dificil fazer uma generalizacao
"^(TRAVESSA|RODOVIA) (TRAVESSA|TV|TRV|TRAV?)\\b(\\.|,)?" = "TRAVESSA", # nao botei RUA nas opcoes iniciais porque tem varios ruas que realmente sao RUA TRAVESSA ...
"^TRAVESSA\\b(-|,|\\.) *" = "TRAVESSA ",
"^(TRAVESSA|RUA|RODOVIA) (TRAVESSA|TV|TRV|TRAV?)\\b- *" = "TRAVESSA ", # aqui ja acho que faz sentido botar o RUA porque so da match com padroes como RUA TRAVESSA-1
"^P((A?R)?Q|QU?E)\\b(\\.|,)?" = "PARQUE",
"^(PARQUE|RODOVIA) (PARQUE|P((A?R)?Q|QU?E))\\b(\\.|,)?" = "PARQUE", # mesmo caso de travessa
"^PARQUE\\b(-|,|\\.) *" = "PARQUE ",
"^(PARQUE|RUA|RODOVIA) (PARQUE|P((A?R)?Q|QU?E))\\b- *" = "PARQUE ", # mesmo caso de travessa
"^ALA?\\b(\\.|,)?" = "ALAMEDA",
"^ALAMEDA (ALAMEDA|ALA?)\\b(\\.|,)?" = "ALAMEDA", # mesmo caso de travessa
"^RODOVIA (ALAMEDA|ALA)\\b(\\.|,)?" = "ALAMEDA", # RODOVIA precisa ser separado porque nesse caso nao podemos mudar RODOVIA AL pra ALAMEDA, ja que pode ser uma rodovia estadual de alagoas
"^ALAMEDA\\b(-|,|\\.) *" = "ALAMEDA ",
"^(ALAMEDA|RUA) (ALAMEDA|ALA?)\\b- *" = "ALAMEDA ", # mesmo caso de travessa
"^RODOVIA (ALAMEDA|ALA)\\b- *" = "ALAMEDA ", # mesmo caso acima
"^LOT\\b(\\.|,)?" = "LOTEAMENTO",
"^(LOTEAMENTO|RUA|RODOVIA) LOT\\b(\\.|,)?" = "LOTEAMENTO",
"^LOTEAMENTO?\\b(-|,|\\.) *" = "LOTEAMENTO ",
"^LOC\\b(\\.|,)?" = "LOCALIDADE",
"^(LOCALIDADE|RUA) LOC\\b(\\.|,)?" = "LOCALIDADE",
"^LOCALIDADE?\\b(-|,|\\.) *" = "LOCALIDADE ",
"^VL\\b(\\.|,)?" = "VILA",
"^VILA VILA\\b(\\.|,)?" = "VILA",
"^VILA?\\b(-|,|\\.) *" = "VILA ",
"^LAD\\b(\\.|,)?" = "LADEIRA",
"^LADEIRA LADEIRA\\b(\\.|,)?" = "LADEIRA",
"^LADEIRA?\\b(-|,|\\.) *" = "LADEIRA ",
"^DT\\b(\\.|,)?" = "DISTRITO",
"\\bDISTR?\\b\\.?" = "DISTRITO",
"^DISTRITO DISTRITO\\b(\\.|,)?" = "DISTRITO",
"^DISTRITO?\\b(-|,|\\.) *" = "DISTRITO ",
"^NUC\\b(\\.|,)?" = "NUCLEO",
"^NUCLEO NUCLEO\\b(\\.|,)?" = "NUCLEO",
"^NUCLEO?\\b(-|,|\\.) *" = "NUCLEO ",
"^L(RG|GO)\\b(\\.|,)?" = "LARGO",
"^LARGO L(RG|GO)\\b(\\.|,)?" = "LARGO",
"^LARGO?\\b(-|,|\\.) *" = "LARGO ",
# estabelecimentos
"^AER(OP)?\\b(\\.|,)?" = "AEROPORTO", # sera que vale? tem uns casos estranhos aqui, e.g. "AER GUANANDY, 1", "AER WASHINGTON LUIZ, 3318"
"^AEROPORTO (AEROPORTO|AER)\\b(\\.|,)?" = "AEROPORTO",
"^AEROPORTO INT(ERN?)?\\b(\\.|,)?" = "AEROPORTO INTERNACIONAL",
"^COND\\b(\\.|,)?" = "CONDOMINIO",
"^(CONDOMINIO|RODOVIA) (CONDOMINIO|COND)\\b(\\.|,)?" = "CONDOMINIO",
"^FAZ(EN?)?\\b\\.?" = "FAZENDA",
"^(FAZENDA|RODOVIA) (FAZ(EN?)?|FAZENDA)\\b(\\.|,)?" = "FAZENDA",
r"{\bFAZ(EN?)?\b\.?}" = "FAZENDA",
"^COL\\b\\.?" = "COLONIA",
"\\bCOLONIA AGRI?C?\\b\\.?" = "COLONIA AGRICOLA",
# títulos
"\\bSTA\\b\\.?" = "SANTA",
"\\bSTO\\b\\.?" = "SANTO",
r"{\b(N(OS|SS?A?)?\.? S(RA|ENHORA)|(NOSSA|NSA\.?) (S(RA?)?|SEN(H(OR)?)?))\b\.?}" = "NOSSA SENHORA",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( DE?)?|NOSSA SENHORA|NS) (FAT.*|LO?UR.*|SANTANA|GUADALUPE|NAZ.*|COP*)\b}" = "NOSSA SENHORA DE \\7",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( D(A|E)?)?|NOSSA SENHORA|NS) (GRACA|VITORIA|PENHA|CONCEICAO|PAZ|GUIA|AJUDA|CANDELARIA|PURIFICACAO|SAUDE|PIEDADE|ABADIA|GLORIA|SALETE|APRESENTACAO)\b}" = "NOSSA SENHORA DA \\8",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( D(A|E)?)?|NOSSA SENHORA D(A|E)|NS) (APA.*|AUX.*|MEDIANEIRA|CONSOLADORA)\b}" = "NOSSA SENHORA \\9",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( D(OS?)?)?|NOSSA SENHORA|NS) (NAVEGANTES)\b}" = "NOSSA SENHORA DOS \\8",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( DO?)?|NOSSA SENHORA|NS) (CARMO|LIVRAMENTO|RETIRO|SION|ROSARIO|PILAR|ROCIO|CAMINHO|DESTERRO|BOM CONSELHO|AMPARO|PERP.*|P.* S.*)\b}" = "NOSSA SENHORA DO \\7",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( D(AS?)?)?|NOSSA SENHORA|NS) (GRACAS|DORES)\b}" = "NOSSA SENHORA DAS \\8",
r"{\b(S(R|ENH?)\.?( D(OS?)?)?|SENHOR( D(OS)?)?) (BON\w*)\b}" = "SENHOR DO BONFIM",
r"{\b(S(R|ENH?)\.?( D(OS?)?)?|SENHOR( D(OS?)?)?) (BOM ?F\w*)\b}" = "SENHOR DO BONFIM",
r"{\b(S(R|ENH?)\.?( D(OS?)?)?|SENHOR) (PASS\w*|MONT\w*)\b}" = "SENHOR DOS \\5",
r"{\bS(R|ENH?)\.? (BOM J\w*)\b}" = "SENHOR BOM JESUS",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( D(OS?)?)?|NOSSO SENHOR|NS) (BONF\w*|BOM ?F\w*)\b}" = "NOSSO SENHOR DO BONFIM",
r"{\b(N(O?S)?\.? S(R|EN(H(OR)?)?)?\.?( D(OS?)?)?|NOSSO SENHOR|NS) (PASS\w*|MONT\w*)\b}" = "NOSSO SENHOR DOS \\8",
"\\bALM?TE\\b\\.?" = "ALMIRANTE",
"\\bMAL\\b\\.?" = "MARECHAL",
"\\b(GEN|GAL)\\b\\.?" = "GENERAL",
"\\b(SGTO?|SARG)\\b\\.?" = "SARGENTO",
"\\b(PRIMEIRO|PRIM|1)\\.? SARGENTO\\b" = "PRIMEIRO-SARGENTO",
"\\b(SEGUNDO|SEG|2)\\.? SARGENTO\\b" = "SEGUNDO-SARGENTO",
"\\b(TERCEIRO|TERC|3)\\.? SARGENTO\\b" = "TERCEIRO-SARGENTO",
"\\bCEL\\b\\.?" = "CORONEL",
"\\bBRIG\\b\\.?" = "BRIGADEIRO",
"\\bTEN\\b\\.?" = "TENENTE",
"\\bTENENTE CORONEL\\b" = "TENENTE-CORONEL",
"\\bTENENTE BRIGADEIRO\\b" = "TENENTE-BRIGADEIRO",
"\\bTENENTE AVIADOR\\b" = "TENENTE-AVIADOR",
"\\bSUB TENENTE\\b" = "SUBTENENTE",
"\\b(PRIMEIRO|PRIM\\.?) TENENTE\\b" = "PRIMEIRO-TENENTE",
"\\b(SEGUNDO|SEG\\.?) TENENTE\\b" = "SEGUNDO-TENENTE",
"\\bSOLD\\b\\.?" = "SOLDADO",
"\\bMAJ\\b\\.?" = "MAJOR",
"\\bPROF\\b\\.?" = "PROFESSOR",
"\\bPROFA\\b\\.?" = "PROFESSORA",
"\\bDR\\b\\.?" = "DOUTOR",
"\\bDRA\\b\\.?" = "DOUTORA",
"\\bENG\\b\\.?" = "ENGENHEIRO",
"\\bENGA\\b\\.?" = "ENGENHEIRA",
"\\bPD?E\\b\\." = "PADRE", # PE pode ser só pe mesmo, entao forcando o PE. (com ponto) pra ser PADRE
"\\bMONS\\b\\.?" = "MONSENHOR",
"\\bPRES(ID)?\\b\\.?" = "PRESIDENTE",
"\\bGOV\\b\\.?" = "GOVERNADOR",
"\\bSEN\\b\\.?" = "SENADOR",
"\\bPREF\\b\\.?" = "PREFEITO",
"\\bDEP\\b\\.?" = "DEPUTADO",
"\\bVER\\b\\.?(?!$)" = "VEREADOR",
"\\bESPL?\\.? (DOS )?MIN(IST(ERIOS?)?)?\\b\\.?" = "ESPLANADA DOS MINISTERIOS",
"\\bMIN\\b\\.?(?!$)" = "MINISTRO",
# abreviacoes
r"{\bJAR DIM\b}" = "JARDIM",
r"{\bJ(D(I?M)?|A?RD|AR(DIN)?)\b\.?}" = "JARDIM",
"\\bUNID\\b\\.?" = "UNIDADE",
"\\b(CJ|CONJ)\\b\\.?" = "CONJUNTO",
"\\bLT\\b\\.?" = "LOTE",
"\\bLTS\\b\\.?" = "LOTES",
"\\bQDA?\\b\\.?" = "QUADRA",
"\\bLJ\\b\\.?" = "LOJA",
"\\bLJS\\b\\.?" = "LOJAS",
"\\bAPTO?\\b\\.?" = "APARTAMENTO",
"\\bBL\\b\\.?" = "BLOCO",
"\\bSLS\\b\\.?" = "SALAS",
"\\bEDI?F\\.? EMP\\b\\.?" = "EDIFICIO EMPRESARIAL",
"\\bEDI?F\\b\\.?" = "EDIFICIO",
"\\bCOND\\b\\.?" = "CONDOMINIO", # apareceu antes mas como tipo de logradouro
"\\bKM\\b\\." = "KM",
"\\bS\\.? ?N\\b\\.?" = "S/N",
r"{(\d)\.( O)? A(ND(AR)?)?\b\.?}" = "\\1 ANDAR",
r"{(\d)\.( O)? ANDARES\b}" = "\\1 ANDARES",
r"{(\d)( O)? AND\b\.?}" = "\\1 ANDAR",
r"{\bCX\.? ?P(T|(OST(AL)?))?\b\.?}" = "CAIXA POSTAL",
r"{\bC\.? ?P(T|(OST(AL)?))?\b\.?}" = "CAIXA POSTAL",
# SL pode ser sobreloja ou sala
# intersecao entre nomes e titulos
# - D. pode ser muita coisa (e.g. dom vs dona), entao nao da pra
# simplesmente assumir que vai ser um valor especifico, so no contexto
# - MAR pode ser realmente só mar ou uma abreviação pra marechal
"\\bD\\b\\.? (PEDRO|JOAO|HENRIQUE)" = "DOM \\1",
"\\bI(NF)?\\.? DOM\\b" = "INFANTE DOM",
"\\bMAR\\b\\.? ((CARMONA|JOFRE|HERMES|MALLET|DEODORO|MARCIANO|OTAVIO|FLORIANO|BARBACENA|FIUZA|MASCARENHAS|MASCARENHA|TITO|FONTENELLE|XAVIER|BITENCOURT|BITTENCOURT|CRAVEIRO|OLIMPO|CANDIDO|RONDON|HENRIQUE|MIGUEL|JUAREZ|FONTENELE|FONTENELLE|DEADORO|HASTIMPHILO|NIEMEYER|JOSE|LINO|MANOEL|HUMB?|HUMBERTO|ARTHUR|ANTONIO|NOBREGA|CASTELO|DEODORA)\\b)" = "MARECHAL \\1",
# nomes
"\\b(GETULHO|JETULHO|JETULIO|JETULHO|GET|JET)\\.? VARGAS\\b" = "GETULIO VARGAS",
"\\b(J(U[A-Z]*)?)\\.? (K(U[A-Z]*)?)\\b\\.?" = "JUSCELINO KUBITSCHEK",
# expressoes hifenizadas ou nao
# - beira-mar deveria ter pelo novo acordo ortografico, mas a grafia da
# grande maioria das ruas (se nao todas, nao tenho certeza) eh beira
# mar, sem hifen
"\\bBEIRA-MAR\\b" = "BEIRA MAR",
# rodovias
"\\b(RODOVIA|BR\\.?|RODOVIA BR\\.?) CENTO D?E (DESESSEIS|DESESEIS|DEZESSEIS|DEZESEIS)\\b" = "RODOVIA BR-116",
"\\b(RODOVIA|BR\\.?|RODOVIA BR\\.?) CENTO D?E H?UM\\b" = "RODOVIA BR-101",
# será que essas duas de baixo valem?
"\\bBR\\.? ?(\\d{3})" = "BR-\\1",
# essa aqui é complicada... AL, AP, SE, entre outras, são siglas que podem aparecer sem serem rodovias
"\\b(RO|AC|AM|RR|PA|AP|TO|MA|PI|CE|RN|PB|PE|AL|SE|BA|MG|ES|RJ|SP|PR|SC|RS|MS|MT|GO|DF) ?(\\d{3})" = "\\1-\\2",
# 0 à esquerda
" (0)(\\d+)" = " \\2",
# correcoes de problemas ocasionados pelos filtros acima
"\\bTENENTE SHI\\b" = "TEN SHI",
"\\bHO SHI MINISTRO\\b" = "HO SHI MIN",
# datas
r"{\b(\d+) DE? JAN(?!EIRO)\b}" = "\\1 DE JANEIRO",
r"{\b(\d+) DE? FEV(?!EREIRO)\b}" = "\\1 DE FEVEREIRO",
r"{\b(\d+) DE? MAR(?!CO)\b}" = "\\1 DE MARCO",
r"{\b(\d+) DE? ABR(?!IL)\b}" = "\\1 DE ABRIL",
r"{\b(\d+) DE? MAI(?!O)\b}" = "\\1 DE MAIO",
r"{\b(\d+) DE? JUN(?!HO)\b}" = "\\1 DE JUNHO",
r"{\b(\d+) DE? JUL(?!HO)\b}" = "\\1 DE JULHO",
r"{\b(\d+) DE? AGO(?!STO)\b}" = "\\1 DE AGOSTO",
r"{\b(\d+) DE? SET(?!EMBRO)\b}" = "\\1 DE SETEMBRO",
r"{\b(\d+) DE? OUT(?!UBRO)\b}" = "\\1 DE OUTUBRO",
r"{\b(\d+) DE? NOV(?!EMBRO)\b}" = "\\1 DE NOVEMBRO",
r"{\b(\d+) DE? DEZ(?!EMBRO)\b}" = "\\1 DE DEZEMBRO"
# ALM é um caso complicado, pode ser alameda ou almirante. inclusive no mesmo endereço podem aparecer os dois rs
)
)
names(logradouros_padrao_dedup) <- logradouros_dedup
logradouros_padrao <- logradouros_padrao_dedup[logradouros]
names(logradouros_padrao) <- NULL
logradouros_padrao[logradouros_padrao == ""] <- NA_character_
return(logradouros_padrao)
}
Try the enderecobr package in your browser
Any scripts or data that you put into this service are public.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.