如何在Ruta脚本中匹配可选数字和字母数字

Question

我在佩加做实体提取工作。我有要求与保单号码相匹配，该号码由以下3部分组成：

( 1)可选地，1将是政策的第一个字符。它是可选的

2)长度为2的字母数字，后面跟着可选的连字符或空格

3)长度为3的字母数字

因此，一些格式的示例如下：

ABCDE，ABCDE，ABCDE，1AB-CDE

23-456，23 - 456,23456,123456

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

每当策略号以2或3位数开始，或者它没有任何空格或连字符时，我就面临问题。

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)};

这段代码适用于具有空格/连字符的模式: AB、AB、1AB-CDE。但如果没有空格，则不能工作，连字符或模式以2或3位数开始。

请帮助写正确的图案。提前谢谢。

Answer 1

UIMA Ruta种子注释NUM涵盖了整个数字。因此，像23456、123456这样的例子不能在子注释中被Ruta分割。

一个解决方案是使用纯regexp对所有提到的示例进行注释：

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