Question

我正在Pega中从事实体提取工作。我需要匹配一个包含3个部分的保单号：

1）可以选择将1作为策略中的第一个字符。它是可选的

2）长度为2的字母数字，后跟可选的连字符或空格

3）长度为3的字母数字

所以格式的一些示例是：

AB-CDE，AB CDE，ABCDE，1AB-CDE

23-456、23 456、23456、123456

AB-2B4，AB-B2C，A1-2B4、2A-34B，12A-34B，123-45C等

每当保单号以2或3位数字开头或没有空格或连字符时，我就会遇到问题。

例如12A-34B，123-45C，23456、123456。

我写了以下脚本：

PACKAGE uima.ruta.example;
Document{-> RETAINTYPE(SPACE)};


("1")+? ((NUM* W*)|(W* NUM*)){REGEXP(".{2}")} ("-"|SPACE)? ((NUM* W* NUM*)|(W* NUM* W*)){REGEXP(".{3}")->MARK(EntityType,1,4)};

((NUM* W*)|(W* NUM*)){REGEXP(".{2}")} ("-"|SPACE)? ((NUM* W* NUM*)|(W* NUM* W*)){REGEXP(".{3}")->MARK(EntityType,1,3)};

此代码对于具有空格/连字符的模式很好用： AB-CDE，AB CDE，1AB-CDE。但是如果没有空格并且连字符或模式以2或3位数字开头，则无法正常工作。

请帮助编写正确的图案。预先感谢。

Answer 1

UIMA Ruta种子批注NUM，覆盖整个数字。因此，Ruta无法在子注释中拆分诸如23456，123456之类的示例。

一种解决方案是使用纯正则表达式注释所有上述示例：

"\\w{2,3}[\\-|\\s]?\\w{2,3}" -> EntityType;

如何在Ruta脚本中匹配可选数字和字母数字

1 个答案: