Найти слово проспект регулярным выражением

@VistaSV30 · Регистрация: 10.04.2012

Студворк — интернет-сервис помощи студентам

Добрый день!

Не получается найти все варианты слова проспект:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import re
def Проспект(Nm):  # Форматирование элемента "Проспект"
    Nm = ' ' + Nm + ' '
    regex  = "(?i)\s?пр[.оспект]*|\s?пр\-т\s?"
 
    subst = " Проспект "
    result = re.sub(regex, subst, Nm, 0)
        
    return(result)
    
t = ['Микрорайон Саввино, пр. Ленина, д. 2, ',
     'Микрорайон Заря, просп. Ленина, д. 2/9, ',
     'Микрорайон Саввино, пр-т Ленина, д. 3, ',
    'Микрорайон Железнодорожный, пл. Ленина, д. 3,',
    'пр-кт Ленина, д. 3,',
    'Микрорайон Заря, ПРОСПЕКТ Ленина, д. 3,']
for i in t:
    print(Проспект(i))

Не по теме:

PS. Читаю книгу Гойвертца, дошел пока до 87 страницы, ответа на свой вопрос пока не нашел

@iSmokeJC · 22.09.2021, 20:29

Сообщение от VistaSV30

[.оспект]

Это совсем не то что ты думаешь. Читай про символьные классы и диапазоны.

@Garry Galler · 22.09.2021, 21:15

Python
1
2
3
4
5
6
7
8
9
10
11
>>> for s in t:
    print(re.search(r"(?i)\bп[-роспек]+т?\.?",s))
 
    
<re.Match object; span=(20, 23), match='пр.'>
<re.Match object; span=(17, 23), match='просп.'>
<re.Match object; span=(20, 24), match='пр-т'>
None
<re.Match object; span=(0, 5), match='пр-кт'>
<re.Match object; span=(17, 25), match='ПРОСПЕКТ'>
>>>

@iSmokeJC · 22.09.2021, 21:25

Garry Galler,

Python
1
2
s = 'песокт'
print(re.search(r"(?i)\bп[-роспек]+т?\.?",s))

Bash
1
<re.Match object; span=(0, 6), match='песокт'>

@VistaSV30 · 22.09.2021, 21:27 **[ТС]**

Сообщение от iSmokeJC

Читай про символьные классы и диапазоны.

Как говориться: "Учи матчасть!"

@Garry Galler · 22.09.2021, 21:34

iSmokeJC,
Это да. Но регулярки для данной задачи вообще плохо подходят. Только если подмножество написаний очень небольшое и мы можем гарантировать, что оно не увеличится.

А чтобы исключить варианты которые 100% нам не подходят (при условии что они могут попасться в тексте) - придется каждую буковку из данного слова сделать опциональной в регулярке.

@iSmokeJC · 22.09.2021, 21:37

Garry Galler, согласен.

@Garry Galler · 22.09.2021, 21:40

ну типа так что ли...

Python
1
2
3
4
5
6
7
8
9
10
11
>>> for s in t:
    print(re.search(r"(?i)\bпр-?о?с?п?е?к?т?\.?",s))
 
    
<re.Match object; span=(20, 23), match='пр.'>
<re.Match object; span=(17, 23), match='просп.'>
<re.Match object; span=(20, 24), match='пр-т'>
None
<re.Match object; span=(0, 5), match='пр-кт'>
<re.Match object; span=(17, 25), match='ПРОСПЕКТ'>
>>>

@iSmokeJC · 22.09.2021, 21:43

Я б что-то типа того наворотил ))))

Python
1
2
3
for s in t:
    result = re.search(r"(?i)\bпр(оспе?)?(-?к?т)?\.?.*?\b\w+\b", s)
    print(result.group() if result else 'None')

Bash
1
2
3
4
5
6
пр. Ленина
просп. Ленина
пр-т Ленина
None
пр-кт Ленина
ПРОСПЕКТ Ленина

@VistaSV30 · 22.09.2021, 21:53 **[ТС]**

Может быть тогда так:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
def Проспект(Nm):  # Форматирование элемента "Проспект"
    Nm = ' ' + Nm + ' '
    nm = Nm.lower()
    patt  = [' проспект',' просп.',' пр-кт ',' пр-т ',' пр.', '']
    
    for i in patt:
        if i in nm: break
    rl = nm.find(i)
    rr = rl + len(i)
 
    result = Nm[:rl] + ' Проспект ' + Nm[rr:]
        
    return(result)
    
t = ['Микрорайон Саввино, пр. Ленина, д. 2, ',
     'Микрорайон Заря, просп. Ленина, д. 2/9, ',
     'Микрорайон Саввино, пр-т Ленина, д. 3, ',
    'Микрорайон Железнодорожный, пл. Ленина, д. 3,',
    'пр-кт Ленина, д. 3,',
    'Микрорайон Заря, ПРОСПЕКТ Ленина, д. 3,']
for i in t:
    print(Проспект(i))

@iSmokeJC · 22.09.2021, 21:57

Да вродь работает

Python
1
2
3
for s in t:
    result = re.sub(r"(?i)\bпр(оспе?)?(-?к?т)?\.?.*?", 'Проспект', s)
    print(result)

Bash
1
2
3
4
5
6
Микрорайон Саввино, Проспект Ленина, д. 2, 
Микрорайон Заря, Проспект Ленина, д. 2/9, 
Микрорайон Саввино, Проспект Ленина, д. 3, 
Микрорайон Железнодорожный, пл. Ленина, д. 3,
Проспект Ленина, д. 3,
Микрорайон Заря, Проспект Ленина, д. 3,

@VistaSV30 · 22.09.2021, 22:00 **[ТС]**

Сообщение от Garry Galler

регулярки для данной задачи вообще плохо подходят

Что здесь лучше подходит? Посоветуйте

@Garry Galler · 22.09.2021, 22:24

Сообщение от VistaSV30

Может быть тогда так

В принципе нормальный вариант.

С регулярками я в итоге пришел только к такому же варианту с перечислением всех возможных написаний:
Если число встречающихся вариаций написаний не очень большое, то на этом можно и остановиться.

Python
1
2
3
4
5
6
7
8
9
10
11
>>> for s in t:
    print(re.sub(r"(?i)\b(пр\.|просп\.|пр-к?т\.?|проспект)", "проспект", s))
 
    
Микрорайон Саввино, проспект Ленина, д. 2, 
Микрорайон Заря, проспект Ленина, д. 2/9, 
Микрорайон Саввино, проспект Ленина, д. 3, 
Микрорайон Железнодорожный, пл. Ленина, д. 3,
проспект Ленина, д. 3,
Микрорайон Заря, проспект Ленина, д. 3,
>>>

Сообщение от VistaSV30

Что здесь лучше подходит?

Нужен специализированный парсер адресов (раньше был такой в наташе (это такой тулкит для NLP)). Но тут и задача должна быть масштабной, чтобы применять тяжелую артиллерию. Самый мощный парсер - на нейронках.

@VistaSV30 · 22.09.2021, 22:37 **[ТС]**

На реальных данных правильно сработал такой вариант:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
s = ['мкр. Саввино, ул. Ленина, д. 2, Балашиха',
     'мкр. Заря, ул. Ленина, д. 2/9, Балашиха',
     'мкр. Саввино, ул. Ленина, д. 3, Балашиха',
     'мкр. Железнодорожный, пл. Ленина, д. 3, Балашиха',
     ' пр-кт. Ленина, д. 3, Балашиха',
     ' мкр. Заря, ул. Ленина, д. 3, Балашиха',
     ' мкр. Саввино, ул. Ленина, д. 4, Балашиха',
     ' мкр. Саввино, ул. Ленина, д. 4А, Балашиха',
     ' мкр. Саввино, ул. Ленина, д. 5, Балашиха',
     ' мкр. Железнодорожный, пл. Ленина, д. 5, Балашиха',
     ' мкр. Саввино, ул. Ленина, д. 6А, Балашиха',' мкр. Саввино, ул. Ленина, д. 6Б, Балашиха',' пр-кт. Ленина, д. 6, Балашиха',' мкр. Железнодорожный, пл. Ленина, д. 7, Балашиха',' пр-кт. Ленина, д. 7/1, Балашиха',' мкр. Заря, ул. Ленина, д. 7А, Балашиха',' мкр. Авиаторов, ул. Летная, д. 5, к. 5, Балашиха',' мкр. Авиаторов, ул. Летная, д. 6, к. 8, Балашиха']
 
def Проспект(Nm):  # Форматирование элемента "Проспект"
    Nm = ' ' + Nm + ' '
    nm = Nm.lower()
    patt  = [' проспект ',' просп.',' пр-кт ',' пр-кт.',' пр-т ',' пр.']
    result = Nm
    
    for i in patt: 
        if i in nm: 
            rl = nm.find(i)
            rr = rl + len(i)
            result = Nm[:rl] + ' Проспект ' + Nm[rr:]
            break
                
    return(result)
 
for i in s:
    print(Проспект(i))

Сообщение от Garry Galler

Но тут и задача должна быть масштабной

У меня задача только в пределах одного города Балашихи.

Но в принципе здесь есть почти все характерные трудности для парсинга адресов.

Пара десятков улиц с одинаковыми названиями, одних только Советских улиц четыре. Дома которые есть в ФИАС, но нет по факту и наоборот, есть неучтенные дома. Есть Линии как в Петербурге, но в ФИАС их нет вообще как категории. Ну другие прелести - дробные номера, корпуса, литеры, строения и т.п. В составе города есть села, поселки и деревни.
В общем весело у нас

Новые блоги и статьи Все статьи Все блоги /
http://iceja.net/ математические сервисы iceja 20.01.2026 Обновила свой сайт http:/ / iceja. net/ , приделала Fast Fourier Transform экстраполяцию сигналов. Однако предсказывает далеко не каждый сигнал (см ограничения http:/ / iceja. net/ fourier/ docs ). Также. . .	http://iceja.net/ сервер решения полиномов iceja 18.01.2026 Выкатила http:/ / iceja. net/ сервер решения полиномов (находит действительные корни полиномов методом Штурма). На сайте документация по API, но скажу прямо VPS слабенький и 200 000 полиномов. . .	Расчёт переходных процессов в цепи постоянного тока igorrr37 16.01.2026 / * Дана цепь постоянного тока с R, L, C, k(ключ), U, E, J. Программа составляет систему уравнений по 1 и 2 законам Кирхгофа, решает её и находит переходные токи и напряжения на элементах схемы. . . .	Восстановить юзерскрипты Greasemonkey из бэкапа браузера damix 15.01.2026 Если восстановить из бэкапа профиль Firefox после переустановки винды, то список юзерскриптов в Greasemonkey будет пустым. Но восстановить их можно так. Для этого понадобится консольная утилита. . .
Сукцессия микоризы: основная теория в виде двух уравнений. anaschu 11.01.2026 https:/ / rutube. ru/ video/ 7a537f578d808e67a3c6fd818a44a5c4/	WordPad для Windows 11 Jel 10.01.2026 WordPad для Windows 11 — это приложение, которое восстанавливает классический текстовый редактор WordPad в операционной системе Windows 11. После того как Microsoft исключила WordPad из. . .	Classic Notepad for Windows 11 Jel 10.01.2026 Old Classic Notepad for Windows 11 Приложение для Windows 11, позволяющее пользователям вернуть классическую версию текстового редактора «Блокнот» из Windows 10. Программа предоставляет более. . .	Почему дизайн решает? Neotwalker 09.01.2026 В современном мире, где конкуренция за внимание потребителя достигла пика, дизайн становится мощным инструментом для успеха бренда. Это не просто красивый внешний вид продукта или сайта — это. . .

@Garry Galler 5438 / 3859 / 1215 Регистрация: 28.10.2013 Сообщений: 9,552 Записей в блоге: 1
	22.09.2021, 21:34
	iSmokeJC, Это да. Но регулярки для данной задачи вообще плохо подходят. Только если подмножество написаний очень небольшое и мы можем гарантировать, что оно не увеличится. А чтобы исключить варианты которые 100% нам не подходят (при условии что они могут попасться в тексте) - придется каждую буковку из данного слова сделать опциональной в регулярке. 1

@iSmokeJC 19530 / 11067 / 2931 Регистрация: 21.10.2017 Сообщений: 23,294
	22.09.2021, 21:37
	Garry Galler, согласен. 0