Есть выражение для поиска номеров телефонов:


но в тексте часто встречается не только номер телефона, но и цена, или какой-нибудь номер, например, номер объявления



Вопрос. Как построить выражение, которое будет пропускать такие вот совпадения, если в совпавшем тексте найден нежелательный(е) символ(ы)?

Например так: http://forum.vingrad.ru/index.php?showtopi...t&p=2413918

не доходит, а можно конкретнее?

Например здесь мы ищем цифры. Но если перед цифрами знак номера, то такие цифры нам не подходят.
На выходе вторая match группа содержит 1234.


Словами это выражение: 
(
  1-я альтернатива - найти знак номера, затем возможно пробелы
  2-я альтернатива просто разделитель отделяющий цифры
)
затем цифры, которые мы ищем
просим движок рег выражений не возвращаться на позицию до текущей если поиск потерпит неудачу
говорим что поиск неудачен если найдена 1-я альтернатива

Таким образом:
движок находит "№ 4444444" - 1-я альтернатива
получает указание что поиск неудачен - FAIL
возвратиться за 4444444 он уже не может - SKIP
ищет далее и находит уже 2-ю альтернативу "1234" (действительно тут нет знака номера)
2-я альтернатива - это не первая -> поиск успешен

Используя такую технику можно создавать достаточно сложные условия для выражений, которые не должны встречаться.

а возле номера телефона есть за что зацепться, например "тел." или код города в скобках?
не в тему, недочитал и непонял суть вопроса.

Это сообщение отредактировал(а) alezzz - 25.5.2012, 23:30

к сожалению часто бывает так, что нет никаких других признаков, того же признака тел не бывает иной раз :(

а как насчет просмотра вперед или назад
http://ru2.php.net/manual/ru/regexp.reference.assertions.php

(?<=bullock|donkey)

Просмотр вперед годится, но просмотр назад в Perl должен быть фиксированой длинны, т.е никаких "*" или "+". Хотя в некоторых других языках, .Net например, такого ограничения нет.

Не понял, что не так.
Вот выражение


Вот текст:


Выражение находит все три группы цифр, в том числе и 68651705, хотя это нужно пропускать

Что не так в этом выражении?

Много почему))

1. Потому что ?! - это look-ahead assertion. А look-behind - это ?<!
2. Заменили, отлично. Но теперь матчинг для выражения №1234567 будет начинаться не с позиции №-->1<--2345, а с позиции №1-->2<--345, т.е. просто пропускает 1ю цифру. Поэтому добавим ещё одно условие - ?<!\d

Итого, получается что-то вроде (+я свернул общий хвост у выражений)


Это сообщение отредактировал(а) DurRandir - 21.6.2012, 16:06

всё равно находит

Я проверял на приведённой строке. Если какие-то другие данные - покажите.

Это сообщение отредактировал(а) DurRandir - 21.6.2012, 18:11

у меня №, а не #

Добавлено через 48 секунд

да, это я уже ещё вчера понял :(

Что-то у Вас тут напутано со скобками, как мне кажется

Добавлено через 1 минуту и 45 секунд
Вот это выражение вообще ничего ненаходит:


Добавлено через 2 минуты и 25 секунд
а вот это работает: 

Добавлено через 3 минуты и 35 секунд
Но всё равно находит: 



Добавлено через 3 минуты и 47 секунд
Может дело в знаке №?

Добавлено через 4 минуты и 38 секунд
Да, действительно, если изменить в тексте объявления № на # и в выражении, то всё ок

>Вот это выражение вообще ничего ненаходит
А вы не в перле смотрите, судя по скриншоту. Там концовка - /g - модификатор поиска всех совпадений, и требует стартового слеша / - они играют роль скобок-ограничителей.

>всё равно находит
Возможно, проблема в юникоде/кодировках? Я потому и проверял на ASCII-строке, чтобы это не влияло.

ну да, наверное, у буржуев ведь нет знака №

Добавлено через 11 секунд
и программа не юникодная

Добавлено через 39 секунд
в общем я перешёл на #, пока что

Хочу поднять тему, т.к. есть ещё проблема.
В тексте объявлений есть телефоны.
А также есть вот такой текст:  решения соответствуют требованиями СНиП 31-01-2003 Здания 

Получается так, что выделенная группа цифр определяется, как номер телефона.
Можно что-то придумать такое, что если перед номером есть слово: "СНиП ", то игнорировать найденный текст?

Как была решена предыдущая проблема?

Это сообщение отредактировал(а) Pfailed - 12.4.2013, 15:51

ну с одним символом проблемы нет, а как задать конкретное слово? Например, "СНиП "

На мой взгляд некорректное выражение. Удовлетворяет строке: решения соответствуют требованиями #01-01-2003 Здания.
А должно ли?

Это сообщение отредактировал(а) Pfailed - 12.4.2013, 17:28

Я бы чуть по другому сделал. Т.к. перед датой может не только "СНИП" идти (и придётся составлять список слов-исключений - регулярка расползётся быстро), я бы вырезал \d{2}-\d{2}-\d{4} как невалидный формат (никто так телефон не делит). Т.е. либо задал для хвоста [\d-() ]{6,17} более строгий формат, либо добавил соответствующий assertion: (?!\d{2,2}-\d{2,2}-\d{4,4}). Итого:



*добавление* а оно же начнёт матчиться после -01-2003
В общем, лучше уточнить валидный формат или делать доп. проверку *после* поиска и выкидывать такие совпадения. 

Т.к. я не уверен, что даже нечто в духе 



не зацепит лишнего

Это сообщение отредактировал(а) DurRandir - 12.4.2013, 18:22

А в чём фишка писать \d{n,n}? Разве это не эквивалентно \d{n}?

Добавлено через 6 минут и 10 секунд

Но и не отработает на валидной (по условию) строке: решения соответствуют требованиями -01-01-2003 Здания

Вариация на тему моего первого поста в этой теме

Уже в коде смотрим на вторую match группу. Если она определена -- берем ее значение. Если не определена -- переходим на следующую итерацию.

Это сообщение отредактировал(а) Pfailed - 12.4.2013, 18:44

Да я не везде исправил. Эквивалентно)


"Если у вас есть проблема, и вы собираетесь решать ее с использованием регулярных выражений, то у вас есть две проблемы" в полный рост, в общем то) Можно только гадать, подойдёт или не подойдёт под реальные данные, которые есть у Akella.

Это сообщение отредактировал(а) DurRandir - 12.4.2013, 18:42

Не то.



а НЕ должно находить

Добавлено через 9 минут и 49 секунд


а вот это уже норм  

Добавлено через 10 минут и 8 секунд
Можно его словесно расшифровать?

В какой match группе нашлось? Я же написал вам, что нужно смотреть только на вторую match группу.
Все исключения в первую match группу, все подходящие во вторую.

Я в том посте постарался описать, как конструировать. Оно состоит из 3х частей - двух отрицательных якорей:

(?<!) - не начинать матчинг, если до позиции стоит -#\d
(?!) - если строка дальше попадает под формат d{2}-\d{2}-\d{4}, то так же не начинать матчинг

и потом положительная проверка под подходящий формат

К сожалению, "смотреть" только туда или только сюда - не подходит, потому что в одном случае будет это выражение, а в другом случае будет другое выражение, но программа одна на всех, как говорится. Можно менять только образец (выражение поиска).

Создавал такое рег.выр. импирически около 3х лет. Задача была вынимать объявления из отсканированных и распознанных объявлений, преобразованных в HTML. И нужно было искать номера телефонов в БД, чтобы показывать, обработан ли податчик объявления.

В общем, импирически, рег.выр. хранился в отдельном файле около 2х кб + дополнительный анализ подстрок.