Mielőtt reguláris kifejezéseket használna a számok ellenőrzésére, először gondolja át, mit kezdjen a teljes szélességű karakterekkel.
Az `AB-1234` szám egyszerűnek tűnik, de a valódi bemenet tartalmazhat előtagokat, záró újsorokat vagy teljes szélességű karaktereket. Csak írjon egy szabályos szabályt, majd engedje el, amikor azt látja, hogy „sikeres egyezés”. Könnyen összetéveszthető a részstring találata a protokollnak megfelelő teljes mezővel.
Normál ellenőrzőszám írásakor a bemenet tartalmazhat előtagokat, újsorokat vagy teljes szélességű karaktereket. Ha csak a "egyeztetés sikeres" feliratot látja, és elengedi, akkor könnyen úgy tekintheti, hogy egy részstring találat a protokollnak megfelelő teljes mező. Ez a cikk azoknak a fejlesztőknek szól, akiknek ellenőrizniük kell a számokat, például a AB-1234-t, valamint azoknak, akik védik az azonosítókat a dokumentumok fordítása vagy az adatfeldolgozás során. Az olvasás után különbséget tud tenni a formátumellenőrzés és a teljes karakterlánc ellenőrzése között, és világos feldolgozási stratégiákat állíthat be a teljes szélességű, újsoros, kis- és nagybetűs stb. helyzetekhez.
A cikkben szereplő példák szintetikus mintákat használnak, és a kód mintaellenőrzése megtörtént izolált környezetben, de ez nem jelent garanciát minden valódi fájlra vagy termékhatásra. A fontos dokumentumok feldolgozása előtt kérjük, őrizze meg az eredeti példányokat és nézze át a szövegben szereplő határok és átvételi tételek szerint.
Használjon reguláris kifejezéseket a számok ellenőrzéséhez. Mi a teendő a teljes szélességű karakterekkel? Egy mondatos következtetés
Először tisztázza a szabályokat: két nagybetűs latin betű, egy kötőjel és négy ASCII számjegy, összesen hét karakter hosszúsággal. A teljes szélességű karaktereket a rendszer közvetlenül elutasítja, majd eldönti, hogy normalizálja-e.
| a helyzeted | Ajánlott gyakorlatok | ok |
|---|---|---|
| Meg kell erősíteni, hogy a teljes karakterlánc teljes mértékben megfelel-e a számozási protokollnak | Korlátozza a hosszt és a módot egyszerre | A JSON-séma pattern-je alapértelmezés szerint csak azt követeli meg, hogy egyezés található a karakterláncban |
| A bemenetnek lehet egy utolsó sora vagy előtagja | Határozza meg, hogy el kell-e távolítani az egyértelműen megadott protokoll szerint, és ne engedje el automatikusan. | A részstring találata nem egyenlő a protokollnak megfelelő teljes mezővel |
| Írjon be teljes szélességű betűket vagy számokat | Először utasítsa el, a normalizálási stratégia külön definiálva | Az elutasítás könnyebben elhárítható, mint az automatikus átalakítás |
| Különböző modulok dolgozzák fel a felét | Egységes stratégia világos halmazává | A decentralizált feldolgozás megnehezíti a hibaelhárítást |
A hosszt és a módot külön kell korlátozni
A pattern a JSON-sémában általában azt jelzi, hogy a reguláris kifejezés talál egyezést a karakterláncban, és nem jelenti a teljes karakterlánc egyezését. Ez a cikk két nagybetűs latin betűt, egy kötőjelet és négy ASCII-számjegyet igényel, összesen hét karakter hosszúságához. A hossz és a mód egyidejű beállítása tisztázhatja ennek a konkrét protokollnak a hatókörét.
A rendszeres megvalósítások nyelvenként változnak, különösen a horgonyok, a Unicode karakterosztályok és a kihagyás. Ne deklaráljon közvetlenül egy nyelvspecifikus kifejezést az összes JSON-séma-megvalósítás által támogatottnak.
Teszteljen hasonló ellenpéldákkal
from jsonschema import Draft202012Validator
schema = {"type": "string", "minLength": 7, "maxLength": 7,
"pattern": "[A-Z]{2}-[0-9]{4}"}
validator = Draft202012Validator(schema)
valid = lambda x: not list(validator.iter_errors(x))
assert valid("AB-1234")
assert not valid("prefix-AB-1234")
assert not valid("AB-1234\n")
assert not valid("AB-1234")
assert not valid("AB-1234")
assert not valid("ab-1234")
Ez a szabály a teljes szélességű karakterek elutasítását választja ahelyett, hogy automatikusan normalizálná őket. Egy másik rendszer dönthet úgy, hogy normalizálja, majd ellenőrzi, de meg kell őriznie az eredeti értéket és a konverziós rekordot is. Mindkét módszer világos stratégia, amelyek hibaelhárítása egyszerűbb, mint a felét különböző modulokban elvégezni.
Az, hogy nem felel meg a formátumnak, nem jelenti azt, hogy véletlenül megjavítható.
| lépj be | Ennek a példának az eredménye | Választható további műveletek |
|---|---|---|
| AB-1234 | pass | Ellenőrizze újra, hogy ez a szám létezik-e a vállalkozásban |
| záró újsorral | elutasít | Határozza meg, hogy el kell-e távolítani az explicit beviteli protokoll szerint |
| Teljes szélességű alfanumerikus | elutasít | A normalizálási stratégiákat külön kell meghatározni |
| Esetbeli eltérés | elutasít | Ne írjon automatikusan nagybetűt ismeretlen szabályok szerint |
A helyes formátum csak az első ellenőrzés
A reguláris kifejezés nem tudja igazolni, hogy a szám valóban létezik, és azt sem, hogy az aktuális vásárlóhoz tartozik, vagy az aktuális bizonylatnak felel meg. Miután az OCR felismeri a O-t 0-ként, a karakterlánc továbbra is megfelelhet egy bizonyos széles mintának. A magas kockázatú mezőknek ellenőrizniük kell a forrás helyét és az üzleti adatokat, és a formátumellenőrzés eredményei nem tekinthetők közvetlenül „helyesen kivontnak".
Fordításkor kezelje az azonosítókat védett tartalomként
A dokumentumfordítási munkafolyamatokban a számozást gyakran meg kell őrizni. A OmniDoc (termékportál) kimenetének értékelésekor ezt a szerződéstípust használhatja annak ellenőrzésére, hogy az azonosító teljes szélességű, megváltozott-e a kis- és nagybetű, vagy hiányoznak-e karakterek, majd visszatérhet az eredeti szöveghez a megerősítéshez. Az ebben a cikkben szereplő ellenőrzési szabályok az Ön szállítási szerződéséhez tartoznak, nem pedig a platform belső megvalósítási utasításaihoz.
Források: JSON-séma karakterlánc-séma
📊 Alapvető összehasonlítás
| feldolgozási stratégia | gyakorlat | Alkalmazható pontok |
|---|---|---|
| A teljes szélesség elutasítása | Ha a bemenet teljes szélességű karaktereket tartalmaz, akkor közvetlenül sikertelennek minősül. | A szabályok egyszerűek és könnyen elháríthatók |
| Ellenőrzés normalizálás után | Először konvertáljon fél szélességűre, majd ellenőrizze | Az eredeti értéket és a konverziós rekordot is meg kell őrizni |
| Készítse el mindegyik modul felét | Minden modul külön kezel néhány szabályt | Nem ajánlott, nehéz egységesen ellenőrizni |
🎯 Melyik módszer illik hozzád?
Ha szigorúan ellenőriznie kell a számot
Állítsa be a hosszt és a módot is, és erősítse meg a regex horgony- és karakterosztály viselkedését a célmegvalósításban.
Ha a bevitel teljes szélességű karaktereket tartalmazhat
Először válassza ki az elutasítás vagy a normalizálás stratégiáját, és írja le a dokumentációba.
Ha beolvasásokat vagy OCR-eredményeket dolgoz fel
A formátum átadása után továbbra is vissza kell küldeni a forrás helyére ellenőrzés céljából, és a magas kockázatú mezők üzleti ellenőrzést igényelnek.
❓ Gyakran Ismételt Kérdések (GYIK)
1. A JSON-séma pattern-je megköveteli a teljes karakterlánc egyeztetését?
Ez nem az alapértelmezett, általában azt jelenti, hogy egyezés található a karakterláncban, ezért hosszkorlátozást kell alkalmazni a teljes tartomány korlátozására.
2. Közvetlenül el kell távolítani a sortöréseket a sortöréssel rendelkező számokból?
Nem szabad automatikusan kiadni, és az eltávolításról egyértelmű beviteli protokoll szerint kell dönteni.
3. A teljes szélességű karaktereket el kell utasítani vagy normalizálni?
Mindkettő világos stratégia. A cikkben szereplő példa az elutasítást választja, és egy másik rendszer normalizálhat, de az eredeti értékeket és a konverziós rekordokat meg kell őrizni.
4. A formátumellenőrzés sikeres volt, ez azt jelenti, hogy helyes a szám?
nem lehet. A reguláris kifejezések csak a formátumot tudják ellenőrizni, de nem tudják bizonyítani, hogy a szám valóban létezik vagy az aktuális vevőhöz és bizonylathoz tartozik.
📝 Összefoglaló
A számellenőrzés először megkülönbözteti a formátumellenőrzést és a teljes karakterlánc ellenőrzését, majd egységes stratégiát állít be a teljes szélességre, a sortörésekre és a kis- és nagybetűkre vonatkozóan. A formátum átadása után továbbra is vissza kell térnie a forráshoz, és ellenőriznie kell az üzleti adatokat.


