主页 / coding / 问题 / 79166110
Accepted
mhutagalung
Asked: 2024-11-07 18:55:26 +0800 CST

独立单词的负面预测

  • 772

我正在尝试编写一个基于规则的逻辑来从文本中提取信息。我需要将每个提取的字符串分配给每个特定案例。但是，我被困在负向前瞻用例中。我需要找到一个单词“cash”，后跟“rp”或“idr”，然后是数字，这些数字可以包含“。”、”或数字中的任何空格，但不能跟独立的“juta|jt|m”。

这是我迄今为止的工作： cash\s*[\:,.-]?\s*(rp|idr)[\.,]?\s*([\d\s,.]+)(?!juta|jt|m)\b

这些是测试用例：

harga cash: rp 130jt (nego alu
harga cash: rp 230juta (nego alu
harga cash: rp 330 juta (nego alu
harga cash: rp 430,000,000 juta (nego alu
harga cash: rp 530m (nego alu
harga cash: rp 630 (nego alu
harga cash: rp 730000000 (nego alu
harga cash: rp 830,000,000 (nego alu
harga cash: rp 930 000 000 (nego alu

正则表达式错误地匹配了所有这些行，而它应该只匹配最后四行并产生：

cash: rp 630
cash: rp 730000000
cash: rp 830,000,000
cash: rp 930 000 000

juta因此，数字后面带有、jt和的所有字符串m都不应匹配。有人能指出我哪里做错了吗？

regex

1 个回答

  1. Best Answer

    如果右侧(?!juta|jt|m)\b有以 或 开头的单词，则该模式匹配失败juta，it但前面的模式允许回溯，因此可以在与模式匹配的文本上重新触发前瞻限制，从而获得额外的匹配。此外，正则表达式现在还会尝试匹配右侧的空格，如果您要排除的单词出现在空格之后，这些字符串也会被匹配。此外，依赖单词边界在这里没有帮助，因为回溯可以找到逗号或点之前的数字。m[\d\s,.]+[\d\s,.]+

    因此，有两个主要建议来修复正则表达式：

    • 将空格检查模式放在负向前瞻中的黑名单单词之前，这样即使数字和单词之间有空格，检查也可能失败。
    • 使用正确的空白边界，(?!\S)而不是单词边界，以便将数字与逗号/点匹配。
    • 由于使用了只应触发一次的负向前瞻，我们还需要确保前面的模式是“可靠的”，在本例中，匹配数字。这将“锚定”前瞻（即，它不允许回溯到数字匹配模式）。

    图案看起来如下

    cash\s*[:,.-]?\s*(rp|idr)[.,]?\s*(\d(?:[\d\s,.]*\d)?)(?!\S)(?!\s*(?:juta|jt|m)\b)

    参见正则表达式演示。

    细节：

    • cash- 一个字符串cash
    • \s*- 零个或多个空格
    • [:,.-]?-可选出现:、,或.-
    • \s*- 零个或多个空格
    • (rp|idr)- 第 1 组：rp或idr字符串
    • [.,]?- 可选发生.或,
    • \s*- 零个或多个空格
    • (\d(?:[\d\s,.]*\d)?)- 第 2 组：一个数字，然后是可选的零个或多个数字、空格、逗号或点，然后是一个数字
    • (?!\S)- 右侧不允许有空格
    • (?!\s*(?:juta|jt|m)\b)- 此外，紧接着右边的 ,或后面不应有零个或多个空格juta（它们现在后面是单词边界）。如果要匹配以, ,开头的单词，请删除单词边界。jtm jutajtm
    • 1

相关问题