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 /
Программная установка даты и запрет ее изменения Maks 02.04.2026 Алгоритм из решения ниже реализован на примере нетипового документа "СписаниеМатериалов", разработанного в конфигурации КА2. Задача: при создании документов установить период списания автоматически. . .	Вывод данных через динамический список в справочнике Maks 01.04.2026 Реализация из решения ниже выполнена на примере нетипового справочника "Спецтехника" разработанного в конфигурации КА2. Задача: вывести данные из ТЧ нетипового документа. . .	Функция заполнения текстового поля в реквизите формы документа Maks 01.04.2026 Алгоритм из решения ниже реализован на нетиповом документе "ВыдачаОборудованияНаСпецтехнику" разработанного в конфигурации КА2, в дополнении к предыдущему решению. На форме документа создается. . .	К слову об оптимизации kumehtar 01.04.2026 Вспоминаю начало 2000-х, университет, когда я писал на Delphi. Тогда среди программистов на форумах активно обсуждали аккуратную работу с памятью: нужно было следить за переменными, вовремя. . .
Идея фильтра интернета (сервер = слой+фильтр). Hrethgir 31.03.2026 Суть идеи заключается в том, чтобы запустить свой сервер, о чём я если честно мечтал давно и давно приобрёл книгу как это сделать. Но не было причин его запускать. Очумелые учёные напечатали на. . .	Модель здравосоХранения 6. ESG-повестка и устойчивое развитие; углублённый анализ кадрового бренда anaschu 31.03.2026 В прикрепленном документе раздумья о том, как можно поменять модель в будущем	10 пpимет, которые всегда сбываются Maks 31.03.2026 1. Чтобы, наконец, пришла маршрутка, надо закурить. Если сигарета последняя, маршрутка придет еще до второй затяжки даже вопреки расписанию. 2. Нaдоели зима и снег? Не надо переезжать. Достаточно. . .	Перемещение выделенных строк ТЧ из одного документа в другой Maks 31.03.2026 Реализация из решения ниже выполнена на примере нетипового документа "ВыдачаОборудованияНаСпецтехнику" с единственной табличной частью "ОборудованиеИКомплектующие" разработанного в конфигурации КА2. . . .

@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