[Regex] Deel van regex matchen, maar alleen aaneengesloten

[Fl4sh3r]

De titel is misschien wat vaag, maar ik weet niet goed hoe ik mn probleempje moet omschrijven.

Ik probeer een regular expression om uit een wordlist woorden te halen die in een telefoonnummer voorkomen (naambellen).

Nu heb ik al een script dat van een nummer een regex maakt:

code:

0 : 0
1 : 1
2 : 2abcABC
3 : 3defDEF
...
9 : 9wxyzWXYZ

Dit wordt dan bijvoorbeeld alsvolgt in een regex gezet (06-12345678):

code:

^[0][6mnoMNO][1][2abcABC][3defDEF][4ghiGHI][5jklJKL][6mnoMNO][7pqrsPQRS][8tuvTUV]$

Nu wil ik echter uit de wordlist ook woorden halen die in een deel voorkomen, dus bijvoorbeeld:
0612, of 123, of 567
Helaas kan dat niet door simpelweg ? te plaatsen, dan matcht namelijk ook bijvoorbeeld:
06178

Bedankt

[JeRa]

Ik zou het als volgt doen:
1) Wordlist omzetten; alle woorden naar getallen veranderen en linken aan woorden (hallo -> 42556)
2) Hele wordlist aflopen en controleren of getal in telefoonnummer voorkomt, zo ja, zoek dan het bijbehorende woord op

Lijkt me makkelijker dan met regexen klooien

[MikeN]

code:

([a]([b]([c]([d])?)?)?)

Doet zoiets niet wat je wil?

[JeRa]

MikeN schreef op donderdag 04 augustus 2005 @ 16:08:

code:

([a]([b]([c]([d])?)?)?)

Doet zoiets niet wat je wil?

Zo match je alleen a, ab, abc, of abcd, maar bijvoorbeeld niet bcd.

[MikeN]

Ah, daar had ik even overheen gelezen in de topicstart

[Fl4sh3r]

JeRa schreef op donderdag 04 augustus 2005 @ 16:06:
Ik zou het als volgt doen:
1) Wordlist omzetten; alle woorden naar getallen veranderen en linken aan woorden (hallo -> 42556)
2) Hele wordlist aflopen en controleren of getal in telefoonnummer voorkomt, zo ja, zoek dan het bijbehorende woord op

Lijkt me makkelijker dan met regexen klooien

Dat is ook wel een goeie tip, eens kijken of ik dat voor elkaar krijg.

de vraag over die regex blijft nog wel open, is daar ook voor nodig (zoals ik t nu voor me zie)

[NMe]

Fl4sh3r schreef op donderdag 04 augustus 2005 @ 16:14:
de vraag over die regex blijft nog wel open, is daar ook voor nodig (zoals ik t nu voor me zie)

Voor die oplossing van JeRa heb je geen regexp nodig hoor, alleen een gewone string match-functie.

[Fl4sh3r]

Hoe match ik dan bijvoorbeeld 123, als ik zoek naar 01234?

Ik heb/kan Perl, PHP, Java en een beetje C#, dus als je een taal specefieke oplossing hebt in één van die talen is dat geen probleem

[JeRa]

Er zijn een hoop stringfuncties in PHP en Java, eentje die je kunt gebruiken in PHP is strpos()

[ Voor 3% gewijzigd door JeRa op 04-08-2005 16:29 ]

[Fl4sh3r]

Duidelijk te lang vakantie gehouden...

Moet er echt weer ff inkomen. Bedankt allemaal

[MSalters]

Simpel: verwijder de ^ en $ uit je regex. Die zorgen namelijk dat je tegen het begin en eind van je pattern space matcht. "6" is een regex die ook "0612" matcht. "^06" is ook een regex die "0612" matcht, maar "^6" niet.

[drm]

Je benadert 't gewoon van de verkeerde kant. Je moet niet het telefoonnummer op de string gaan matchen, maar andersom. Wat is makkelijker, 061234567 ombouwen tot regex en laten matchen op 1234 of 1234 laten matchen op 061234567 ?

Zoals eerder gezegd heb je dan helemaal geen regex nodig.

[Fl4sh3r]

drm schreef op donderdag 04 augustus 2005 @ 17:08:
Je benadert 't gewoon van de verkeerde kant. Je moet niet het telefoonnummer op de string gaan matchen, maar andersom. Wat is makkelijker, 061234567 ombouwen tot regex en laten matchen op 1234 of 1234 laten matchen op 061234567 ?

Zoals eerder gezegd heb je dan helemaal geen regex nodig.

Zo heb ik het inmiddels gedaan.

Convert script is in perl

code:

#!/usr/bin/perl

open(MYFILE, "wordlist2.txt");
@lines = <MYFILE>;
close(MYFILE);

foreach $line (@lines) {
  chomp($line);
  $org = $line;

  next if ($line =~ /[^a-zA-Z0-9]/);
  next if (length($line) > 9);

  $line =~ s/[abc]/2/ig;
  $line =~ s/[def]/3/ig;
  $line =~ s/[ghi]/4/ig;
  $line =~ s/[jkl]/5/ig;
  $line =~ s/[mno]/6/ig;
  $line =~ s/[pqrs]/7/ig;
  $line =~ s/[tuv]/8/ig;
  $line =~ s/[wxyz]/9/ig;

  if($line ne $org) {
    print $org . "|" . $line . "\n";;
  }

}

Het check script is in php:

PHP:

<?
  $phonenr = '0612345678';

  $fh = fopen('wordlist2_conv.txt', 'r');

  while(!feof($fh)) {
    $line = rtrim(fgets($fh));

    list($word, $nr) = split('\|', $line);

    if(($n = strpos($phonenr, $nr)) !== false) {
      print substr($phonenr, 0, $n) . $word . substr($phonenr, $n+strlen($word))."\n";
    }
  }
?>