免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
最近访问板块 发新帖
查看: 1492 | 回复: 2
打印 上一主题 下一主题

[文本处理] 精确提取有SFZ的行 [复制链接]

论坛徽章:
31
程序设计版块每日发帖之星
日期:2016-02-06 06:20:00程序设计版块每日发帖之星
日期:2016-07-20 06:20:00程序设计版块每日发帖之星
日期:2016-07-26 06:20:00每日论坛发贴之星
日期:2016-07-26 06:20:00程序设计版块每日发帖之星
日期:2016-07-27 06:20:00每日论坛发贴之星
日期:2016-07-27 06:20:00程序设计版块每日发帖之星
日期:2016-07-28 06:20:00程序设计版块每日发帖之星
日期:2016-07-29 06:20:00程序设计版块每日发帖之星
日期:2016-08-02 06:20:00程序设计版块每日发帖之星
日期:2016-08-06 06:20:00程序设计版块每日发帖之星
日期:2016-08-08 06:20:00程序设计版块每日发帖之星
日期:2016-08-09 06:20:00
跳转到指定楼层
1 [收藏(0)] [报告]
发表于 2017-01-13 18:46 |只看该作者 |倒序浏览
本帖最后由 bmne 于 2017-01-13 18:52 编辑

18位的用123456789123456789
            12345678912345678x
            12345678912345678X
代替表示意思
15位的用123456789123456代替表示意思

源:
  1. lizhi' 123456789123456789', N'', N'199790201', N'CHN'N'',
  2. zhumingyu' 123456789123456789', N' ', N'199850901'N' ', N'', N'CHN'N'',
  3. caoxuehui' 123456789123456789', N' ', N'199800304'N' ', N'',
  4. jack' 123456789123456789', N'', N'199811210', N'CHN'N'',
  5. sun renyong' 123456789123456789', M199770218', N'-', N'-',
  6. zhj'N'OTH', N'12345678912345678x', F199000101', N'-', N'-'N'CHN',
  7. zhang hong qin ' 123456789123456789', M19730418', N'-',
  8. j李文健' 123456789123456789', M199720706', N'-', N'-', N' ',
  9. l李杰' 123456789123456789', F199771109', N'-', N'-'N'CHN', N'31',
  10. ;李振文' 12345678912345678X', M199880728', N'-', N'-'N'CHN', N'-1', N'-1', N'',
  11. (众)王琳' 123456789123456789', F199870522', N'
  12. G广国之旅1109' 123456789123456789', F199790823', N'CHN', N'0', N'', N'0',
  13. Bo Feng Lei' 123456789123456', M199670407', N'-',
  14. leon lee' 123456789123456', M199811028', N'-',
  15. zhaoyong' 123456789123456', M199770410', N'-',
  16. river'N'OTH', N'123456789123456', M199000101',
  17. \卢生' 123456789123456', M19800506', N'-', N'-'N'CHN', N'-1', N'-1',
  18. THAM TARK WING'N'OTH', N'E31272876', M199381010', N'SGP;PASGPTHAM<<TARK<WING<<<<<<<<<<<<<<<<<<<<<<<<;E312728763SGP3810109M1712195504825422<<<<<62'
  19. HISHIYAMA'N'VSA', N'TK19987379', M19761111'F', N'JPN'N'0',
  20. z'N'GID', N'036063', N'', N'199810101', N'CHN'N'',
  21. GORBENKOV IGOR'N'VSA', N'63NO6955840', M199760624', N'0', N'', F',
  22. KUDASHKIN FEDOR'N'VSA', N'702863678', M199611201'F', N'RUS'N'0',
复制代码


要求:精确提取只有18、15位身--份--证的行。请给命令代码

结果:
  1. lizhi' 123456789123456789', N'', N'19790201', N'CHN'N'',
  2. zhumingyu' 123456789123456789', N' ', N'19850901'N' ', N'', N'CHN'N'',
  3. caoxuehui' 123456789123456789', N' ', N'19800304'N' ', N'',
  4. jack' 123456789123456789', N'', N'19811210', N'CHN'N'',
  5. sun renyong' 123456789123456789', M19770218', N'-', N'-',
  6. zhj'N'OTH', N'12345678912345678x', F19000101', N'-', N'-'N'CHN',
  7. zhang hong qin ' 123456789123456789', M19730418', N'-',
  8. j李文健' 123456789123456789', M19720706', N'-', N'-', N' ',
  9. l李杰' 123456789123456789', F19771109', N'-', N'-'N'CHN', N'31',
  10. ;李振文' 12345678912345678X', M19880728', N'-', N'-'N'CHN', N'-1', N'-1', N'',
  11. (众)王琳' 123456789123456789', F19870522', N'
  12. G广国之旅1109' 123456789123456789', F19790823', N'CHN', N'0', N'', N'0',
  13. Bo Feng Lei' 123456789123456', M19670407', N'-',
  14. leon lee' 123456789123456', M19811028', N'-',
  15. zhaoyong' 123456789123456', M19770410', N'-',
  16. river'N'OTH', N'123456789123456', M19000101',
  17. \卢生' 123456789123456', M19800506', N'-', N'-'N'CHN', N'-1', N'-1',
复制代码


辛苦!




论坛徽章:
145
技术图书徽章
日期:2013-10-01 15:32:13戌狗
日期:2013-10-25 13:31:35金牛座
日期:2013-11-04 16:22:07子鼠
日期:2013-11-18 18:48:57白羊座
日期:2013-11-29 10:09:11狮子座
日期:2013-12-12 09:57:42白羊座
日期:2013-12-24 16:24:46辰龙
日期:2014-01-08 15:26:12技术图书徽章
日期:2014-01-17 13:24:40巳蛇
日期:2014-02-18 14:32:59未羊
日期:2014-02-20 14:12:13白羊座
日期:2014-02-26 12:06:59
2 [报告]
发表于 2017-01-13 20:38 |只看该作者
回复 1# bmne


$ grep -iP '\b((\d{17}|\d{14})[\dx])\b' FILE
lizhi' 123456789123456789', N'', N'199790201', N'CHN'N'',
zhumingyu' 123456789123456789', N' ', N'199850901'N' ', N'', N'CHN'N'',
caoxuehui' 123456789123456789', N' ', N'199800304'N' ', N'',
jack' 123456789123456789', N'', N'199811210', N'CHN'N'',
sun renyong' 123456789123456789', M199770218', N'-', N'-',
zhj'N'OTH', N'12345678912345678x', F199000101', N'-', N'-'N'CHN',
zhang hong qin ' 123456789123456789', M19730418', N'-',
j李文健' 123456789123456789', M199720706', N'-', N'-', N' ',
l李杰' 123456789123456789', F199771109', N'-', N'-'N'CHN', N'31',
;李振文' 12345678912345678X', M199880728', N'-', N'-'N'CHN', N'-1', N'-1', N'',
(众)王琳' 123456789123456789', F199870522', N'
G广国之旅1109' 123456789123456789', F199790823', N'CHN', N'0', N'', N'0',
Bo Feng Lei' 123456789123456', M199670407', N'-',
leon lee' 123456789123456', M199811028', N'-',
zhaoyong' 123456789123456', M199770410', N'-',
river'N'OTH', N'123456789123456', M199000101',
\卢生' 123456789123456', M19800506', N'-', N'-'N'CHN', N'-1', N'-1',

论坛徽章:
31
程序设计版块每日发帖之星
日期:2016-02-06 06:20:00程序设计版块每日发帖之星
日期:2016-07-20 06:20:00程序设计版块每日发帖之星
日期:2016-07-26 06:20:00每日论坛发贴之星
日期:2016-07-26 06:20:00程序设计版块每日发帖之星
日期:2016-07-27 06:20:00每日论坛发贴之星
日期:2016-07-27 06:20:00程序设计版块每日发帖之星
日期:2016-07-28 06:20:00程序设计版块每日发帖之星
日期:2016-07-29 06:20:00程序设计版块每日发帖之星
日期:2016-08-02 06:20:00程序设计版块每日发帖之星
日期:2016-08-06 06:20:00程序设计版块每日发帖之星
日期:2016-08-08 06:20:00程序设计版块每日发帖之星
日期:2016-08-09 06:20:00
3 [报告]
发表于 2017-01-14 08:25 |只看该作者
本帖最后由 bmne 于 2017-01-14 08:28 编辑

回复 2# jason680


大牛就是厉害,折服!

实战中,遇到几个问题,供参考
1、这样的跟着提取出来了
  1. BARNARD BETH ANNE'N'VSA', N'433538462', F19590816', N'USA;P<USABARNARD<<BETH<ANNE<<<<<<<<<<<<<<<<<<<<<;4335384620USA5908167F}801237712554303<506548', N''
  2. JONES SARA ANGELINE'N'VSA', N'462807366', F19840711', N'USA;P<USAJONES<<SARA<ANGELINE<<<<<<<<<<<<<<<<<<<;4628073666USA8407111F}911013233720328<789088', N'',
复制代码


2、疑似身--份--证的也提取出来了
  1. orson' 12345678900100897', M1999820910', N'-',
  2. TESTET' 342345678909877895', M2099071009', N'-',
  3. sunliya' 31010719620426122*', F1999620426', N'-',
复制代码




我自己学习了下
十八位:[1-9]\d{5}(18|19|([23]\d))\d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)\d{3}[0-9Xx]
十五位:[1-9]\d{5}\d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)\d{3}


把你的命令改成上面的后,运行比较理想,暂时没发现坑

您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122 niuxiaotong@pcpop.com 17352615567
未成年举报专区
中国互联网协会会员  联系我们:huangweiwei@itpub.net
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP