Параметры class Constants: SIPTIMEOUT = 30 #SIPSERVER= "192.168.1.217" #ACCOUNTS = […
- User
Параметры
class Constants:
SIP_TIMEOUT = 30 #SIP_SERVER= "192.168.1.217" #ACCOUNTS = [ # {'user': '509', 'pass': 'MTFEdEUxOUQxL0E9'}, # {'user': '507', 'pass': 'dEt5d2luR20xTWM9'} #] SIP_SERVER= "sip.sipout.net" ACCOUNTS = [ {'user': '1512123767499', 'pass': '9mvba5vwR2TZ'}, {'user': '1512123767499', 'pass': '9mvba5vwR2TZ'} ] SIP_SAMPLERATE = 8000 SIP_FRAME_SIZE = int(SIP_SAMPLERATE * 0.02 * 2) SIP_ONE_SECOND = SIP_FRAME_SIZE * 50 CALL_URL = "https://k2group.su/local/activities/k2grouprobot/k2groupcall.php?get=1" SEND_URL = "https://k2group.su/local/activities/k2grouprobot/k2groupcall.php?set=2" SAVE_FILE = "/run/user/1000" #VAD param 0-2 VAD = 2 #STT # - 1 vosk - 2 whisper STT_MODEL = 1 STT_PATH = "/home/user/voice_bot/vosk-model-ru-0.54" # Звук - кол-во полученных пакетов - 1 Секунда - 50 семплов # Минимальо кол-во говоренние + тииша STT_NEED_SECOND = 3 STT_COUNT_SAMPLE_NOICE = 1 STT_NEED_SECOND2 = 3 TTS_PATH = '/home/user/wb/silero/v4_ru.pt'Хочу чтоьы в милисекудах можо было считать - и запускать if self.is_first >= 3 and self.robot_next>=2: if ( (self.is_vad >= 3 and self.len_buffer >= self.one_second * Constants.STT_NEED_SECOND) or (self.len_buffer >= self.one_second * Constants.STT_NEED_SECOND2 and self.is_vad >=1) ): logger.warning(f"3 ЧЕЛОВЕК - начал говорить")
- Assistant
Чтобы удобнее и правильно работать со временем в милисекундах, и при этом использовать ваши параметры для расчёта длительности на основе сэмплов, стоит:
- Добавить в
Constantsпараметр, длина одного сэмпла или одного фрейма в миллисекундах, - Или сразу вычислять константы с использованием милисекунд,
- Использовать их в логических проверках.
Анализ вашего кода
Вы определяете:
SIP_SAMPLERATE = 8000 # Гц SIP_FRAME_SIZE = int(SIP_SAMPLERATE * 0.02 * 2) # = 8000 * 0.02 * 2 = 320 SIP_ONE_SECOND = SIP_FRAME_SIZE * 50 # 320 * 50 = 16000SIP_FRAME_SIZE— размер одного аудиокадра (фрейма) в сэмплах?SIP_ONE_SECOND— размер в сэмплах для одной секунды?
Далее у вас в проверках вы используете:
self.len_buffer >= self.one_second * Constants.STT_NEED_SECONDТо есть
len_bufferдолжен быть больше, чем количество сэмплов за указанное количество секунд.
Что нужно сделать, чтобы использовать миллисекунды?
Вам надо:
- Иметь возможность конвертировать число сэмплов в миллисекунды,
- Или наоборот миллисекунды в количество сэмплов.
Для этого:
# Длительность одного сэмпла в миллисекундах SAMPLE_DURATION_MS = 1000 / SIP_SAMPLERATE # 1000 / 8000 = 0.125 ms на сэмпл
Пример дополнения вашего класса Constants:
class Constants: SIP_TIMEOUT = 30 SIP_SERVER= "sip.sipout.net" ACCOUNTS = [ {'user': '1512123767499', 'pass': '9mvba5vwR2TZ'}, {'user': '1512123767499', 'pass': '9mvba5vwR2TZ'} ] SIP_SAMPLERATE = 8000 SIP_FRAME_SIZE = int(SIP_SAMPLERATE * 0.02 * 2) # 320 сэмплов # Длительность одного сэмпла в миллисекундах SAMPLE_DURATION_MS = 1000 / SIP_SAMPLERATE # 0.125 ms SIP_ONE_SECOND = SIP_FRAME_SIZE * 50 # 16000 сэмплов за секунду (по вашим расчетам) # Для удобства - длина 1 секунды в миллисекундах ONE_SECOND_MS = 1000 CALL_URL = "https://k2group.su/local/activities/k2grouprobot/k2groupcall.php?get=1" SEND_URL = "https://k2group.su/local/activities/k2grouprobot/k2groupcall.php?set=2" SAVE_FILE = "/run/user/1000" VAD = 2 STT_MODEL = 1 STT_PATH = "/home/user/voice_bot/vosk-model-ru-0.54" STT_NEED_SECOND = 3 STT_COUNT_SAMPLE_NOICE = 1 STT_NEED_SECOND2 = 3 TTS_PATH = '/home/user/wb/silero/v4_ru.pt'
Пример функции, которая проверяет длительность в миллисекундах
Чтобы в вашем коде можно было проще обратиться к длительности буфера в миллисекундах, можно добавить метод:
class YourClass: def samples_to_ms(self, samples): return samples * Constants.SAMPLE_DURATION_MS def ms_to_samples(self, ms): return int(ms / Constants.SAMPLE_DURATION_MS) def check_speech(self): # допустим self.len_buffer - это кол-во сэмплов в буфере # self.is_vad - уровень VAD # self.is_first, self.robot_next - ваши счетчики if self.is_first >= 3 and self.robot_next >= 2: speech_duration_ms = self.samples_to_ms(self.len_buffer) required_duration_ms_1 = Constants.ONE_SECOND_MS * Constants.STT_NEED_SECOND required_duration_ms_2 = Constants.ONE_SECOND_MS * Constants.STT_NEED_SECOND2 if ( (self.is_vad >= 3 and speech_duration_ms >= required_duration_ms_1) or (speech_duration_ms >= required_duration_ms_2 and self.is_vad >=1) ): logger.warning(f"3 ЧЕЛОВЕК - начал говорить")
Таким образом у вас внутри класса есть удобный метод пересчета и можно запускать вашу логику с обработкой в миллисекундах.
Итог
- В
ConstantsдобавляемSAMPLE_DURATION_MSдля конвертации сэмплов в миллисекунды, - Используем
ONE_SECOND_MS=1000для удобства, - Делаем методы
samples_to_msиms_to_samplesв вашем классе для конвертаций, - В логике сравниваем длительности в миллисекундах, а не просто сэмплы,
- Это улучшит читаемость и возможность быстро менять параметры времени.
Если нужно, могу помочь адаптировать ваш проект под эту схему.
- Добавить в
- User
SIP_SAMPLERATE = 8000 SIP_MILISEC = 0.02 SIP_FRAME_SIZE = int(SIP_SAMPLERATE * SIP_MILISEC * 2)
SIP_ONE_SECOND = SIP_FRAME_SIZE * 50 - Assistant
Разберём по строчкам:
SIP_SAMPLERATE = 8000 SIP_MILISEC = 0.02 # 20 мс — время одного кадра (frame duration) в секундах SIP_FRAME_SIZE = int(SIP_SAMPLERATE * SIP_MILISEC * 2) SIP_ONE_SECOND = SIP_FRAME_SIZE * 50
Анализ:
-
SIP_SAMPLERATE = 8000— частота дискретизации 8000 сэмплов в секунду. -
SIP_MILISEC = 0.02— это 20 миллисекунд, но записано в секундах (0.02 с = 20 мс). Название переменнойSIP_MILISECвводит в заблуждение — фактически это значение в секундах, а не в миллисекундах. -
SIP_FRAME_SIZE = int(8000 * 0.02 * 2) = int(320)— количество сэмплов в одном кадре, почему* 2— видимо двойной канал или размер сэмпла в байтах (например, 16 бит = 2 байта). Но сэмплы считаются индивидуально, обычно размер кадра в сэмплах —sample_rate * frame_duration, а размер данных (в байтах) — сэмплы * байт на сэмпл. -
SIP_ONE_SECOND = SIP_FRAME_SIZE * 50— это количество сэмплов (или байт?) за 1 секунду (50 кадров по 20 мс = 1 секунда), т.е. 320 * 50 = 16000.
Что можно улучшить:
- Переименовать
SIP_MILISECвFRAME_DURATION_SEC
Это потому, что значение 0.02 — это секунды, а не миллисекунды.
- Убедиться что
SIP_FRAME_SIZE— в сэмплах, а не в байтах
Если
* 2— из-за количества байт на сэмпл (16 бит = 2 байта), то переменная уже не в сэмплах, а в байтах.Лучше сделать так:
SIP_SAMPLERATE = 8000 # сэмплов в секунду FRAME_DURATION_SEC = 0.02 # 20 миллисекунд = 0.02 секунды # Кол-во сэмплов в одном кадре SIP_FRAME_SIZE = int(SIP_SAMPLERATE * FRAME_DURATION_SEC) # 160 сэмплов на кадр # Если каждый сэмпл 2 байта (16 бит), то размер в байтах: SIP_FRAME_SIZE_BYTES = SIP_FRAME_SIZE * 2 # 320 байт на кадр # Кол-во сэмплов (не байт) для 1 секунды — 8000 сэмплов (но у вас 50 кадров * 160 сэмплов = так же 8000) SIP_ONE_SECOND = SIP_FRAME_SIZE * 50 # будет 160 * 50 = 8000 сэмплов (1 секунда)Обратите внимание: теперь
SIP_ONE_SECOND— 8000, что соответствует частоте дискретизации.
Если вам удобнее в миллисекундах, то лучше так сделать:
SAMPLE_RATE = 8000 # сэмплов в секунду FRAME_DURATION_MS = 20 # миллисекунд SAMPLES_PER_FRAME = int(SAMPLE_RATE * (FRAME_DURATION_MS / 1000)) # 160 сэмплов на кадр FRAMES_PER_SECOND = int(1000 / FRAME_DURATION_MS) # 1000 / 20 = 50 кадров SAMPLES_PER_SECOND = SAMPLES_PER_FRAME * FRAMES_PER_SECOND # 160 * 50 = 8000 # если данные 16 бит = 2 байта на сэмпл, используйте: BYTES_PER_SAMPLE = 2 FRAME_SIZE_BYTES = SAMPLES_PER_FRAME * BYTES_PER_SAMPLE # 320 байт
Итог
Исходя из вашего кода:
SIP_SAMPLERATE = 8000 SIP_MILISEC = 0.02 # это 20 миллисекунд в секундах, лучше назвать FRAME_DURATION_SEC SIP_FRAME_SIZE = int(SIP_SAMPLERATE * SIP_MILISEC * 2) # видимо размер в байтах, а не сэмплах SIP_ONE_SECOND = SIP_FRAME_SIZE * 50Правильнее сделать так:
SIP_SAMPLERATE = 8000 FRAME_DURATION_SEC = 0.02 # 20 ms в секундах SAMPLES_PER_FRAME = int(SIP_SAMPLERATE * FRAME_DURATION_SEC) # 160 # если 2 байта на сэмпл (16 бит), то BYTES_PER_SAMPLE = 2 FRAME_SIZE = SAMPLES_PER_FRAME * BYTES_PER_SAMPLE # 320 байт # 1 секунда = 50 кадров по 20 мс SAMPLES_IN_ONE_SECOND = SAMPLES_PER_FRAME * 50 # 160*50=8000 сэмплов (1 секунда) BYTES_IN_ONE_SECOND = FRAME_SIZE * 50 # 320*50=16000 байт
Почему это важно?
-
SIP_FRAME_SIZEдолжен отражать либо количество сэмплов, либо количество байт. Сейчас в вашем коде перемешаны 2 понятия, -
Большинство алгоритмов работают с количеством сэмплов, а если нужны байты — то отдельно умножаем на байты на сэмпл.
Кратко
Если хотите параметр для времени
20 мс, используйте переменную с названиемFRAME_DURATION_SEC = 0.02Если хотите считать размер в сэмплах:
SAMPLES_PER_FRAME = int(SIP_SAMPLERATE * FRAME_DURATION_SEC) # 160Если хотите размер в байтах:
BYTES_PER_SAMPLE = 2 FRAME_SIZE = SAMPLES_PER_FRAME * BYTES_PER_SAMPLE # 320И для 1 секунды:
SAMPLES_IN_1S = SAMPLES_PER_FRAME * 50 # 8000 BYTES_IN_1S = FRAME_SIZE * 50 # 16000
Если нужно сделать расчёт времени из количества сэмплов в миллисекунды:
def samples_to_ms(samples): return samples / SIP_SAMPLERATE * 1000И наоборот из миллисекунд в сэмплы:
def ms_to_samples(ms): return int(SIP_SAMPLERATE * ms / 1000)
Надеюсь, это исправит путаницу с названием и поможет правильно работать с параметрами.
-
- User
SIP_SAMPLERATE = 8000 SIP_MILISEC = 20 SIP_FRAME_SIZE = int(SIP_SAMPLERATE * SIP_MILISEC/100 * 2)
SIP_ONE_SECOND = SIP_FRAME_SIZE * 50 - Assistant
В вашем последнем варианте:
SIP_SAMPLERATE = 8000 SIP_MILISEC = 20 SIP_FRAME_SIZE = int(SIP_SAMPLERATE * SIP_MILISEC / 100 * 2) SIP_ONE_SECOND = SIP_FRAME_SIZE * 50
Ошибка и объяснение
- Вы пытаетесь посчитать размер кадра в сэмплах по формуле:
SIP_SAMPLERATE * SIP_MILISEC / 100 * 2-
Но
SIP_MILISEC— это 20 миллисекунд, а в формуле вы делите на 100, что неверно — в 1 секунде 1000 миллисекунд, а не 100. -
Правильно переводить миллисекунды в секунды так:
seconds = milliseconds / 1000
Исправленный вариант:
Если вы хотите получить количество сэмплов за 20 миллисекунд, то:
SIP_SAMPLERATE = 8000 SIP_MILISEC = 20 # в миллисекундах # Количество сэмплов в 20 мс: SAMPLES_PER_FRAME = int(SIP_SAMPLERATE * (SIP_MILISEC / 1000)) # 8000 * 0.02 = 160 # Если каждый сэмпл 2 байта (16 бит), то размер кадра в байтах: BYTES_PER_SAMPLE = 2 SIP_FRAME_SIZE = SAMPLES_PER_FRAME * BYTES_PER_SAMPLE # 160 * 2 = 320 байт # Для 1 секунды (50 таких кадров по 20мс): SIP_ONE_SECOND = SIP_FRAME_SIZE * 50 # 320 * 50 = 16000 байт
Разбор
-
SAMPLES_PER_FRAME = int(8000 * 20/1000) = 160сэмплов за 20 миллисекунд. -
Умножая на 2 — вы берёте байты (по 2 байта на сэмпл, если PCM 16-bit).
-
Далее 50 кадров по 20мс — это ровно 1 секунда.
Резюме
SIP_SAMPLERATE = 8000 SIP_MILISEC = 20 # миллисекунд SAMPLES_PER_FRAME = int(SIP_SAMPLERATE * SIP_MILISEC / 1000) # 160 сэмплов BYTES_PER_SAMPLE = 2 SIP_FRAME_SIZE = SAMPLES_PER_FRAME * BYTES_PER_SAMPLE # 320 байт SIP_ONE_SECOND = SIP_FRAME_SIZE * 50 # 16000 байт в секундуЭтот код правильно отражает время, сэмплы и байты.
Если вы хотите работать именно с сэмплами (не байтами), то используйте
SAMPLES_PER_FRAMEиSAMPLES_PER_FRAME * 50 = 8000сэмплов в секунду. В этом случае:SIP_ONE_SECOND_SAMPLES = SAMPLES_PER_FRAME * 50 # 8000 сэмплов
Если надо ещё помочь с обработкой, скажите, могу подсказать функции для перевода сэмплов в миллисекунды и обратно.
- User
ep_cfg.logConfig.level = 0 ep_cfg.logConfig.consoleLevel = 0
КАК ВЫРУБИТЬ python3 caller.py 0 15:42:56.664 os_core_unix.c !pjlib 2.15.1 for POSIX initialized 15:42:56.664 sip_endpoint.c .Creating endpoint instance... 15:42:56.664 pjlib .select() I/O Queue created (0x7f9ba400c538) 15:42:56.664 sip_endpoint.c .Module "mod-msg-print" registered 15:42:56.664 sip_transport.c .Transport manager created. 15:42:56.664 pjsua_core.c .PJSUA state changed: NULL --> CREATED
- Assistant
Судя по выводу и коду, вы используете библиотеку PJSIP (pjsua) из Python-привязки или C API, и хотите выключить вывод логов библиотеки (чтобы не выводились строчки типа:
15:42:56.664 os_core_unix.c !pjlib 2.15.1 for POSIX initialized
Как отключить логирование PJSIP в Python
В PJSIP для настройки логирования используется структура
pj_log_cfgв конфигурацииep_cfg.logConfig.Параметр
levelопределяет уровень логирования (0 — нет логов, 1 — ошибки, 4 — всё).Параметр
consoleLevelопределяет уровень логов, которые выводятся на консоль.
Пример выключения логов на Python с pjsua (официальный питоновский биндинг PJSIP)
import pjsua as pj # Создаем конфигурацию ep_cfg = pj.EpConfig() # Отключаем вывод логов ep_cfg.logConfig.level = 0 ep_cfg.logConfig.consoleLevel = 0 # Создаем endpoint с вашей кастомной конфигурацией lib = pj.Lib() lib.init(ep_cfg) lib.start()Если у вас по-прежнему видны логи, значит, где-то в вашем коде или в сторонних модулях логирование включено или выводит свои логи напрямую.
Важные моменты
-
Убедитесь, что уровни выставлены до вызова
lib.init()иlib.start() -
Если вы вызываете
lib.init()без параметров, настройки логирования не изменятся. -
Можно также программно задать функцию колбека для логирования, которая ничего не печатает:
def null_log_cb(level, msg, length): pass ep_cfg.logConfig.cb = null_log_cbИ передать cb как колбек логирования.
Итого совет:
- Убедитесь, что у вас есть следующий участок кода до инициализации библиотеки:
import pjsua as pj def null_log_cb(level, str, len): pass ep_cfg = pj.EpConfig() ep_cfg.logConfig.level = 0 ep_cfg.logConfig.consoleLevel = 0 ep_cfg.logConfig.cb = null_log_cb lib = pj.Lib() lib.init(ep_cfg) lib.start()- Если так не сработает, попробуйте для показа в консоли (stdout/stderr) принудительно отключить вывод с помощью перенаправления потоков Python, например:
import sys import os sys.stdout = open(os.devnull, 'w') sys.stderr = open(os.devnull, 'w') # init и запуск библиотеки здесь(но это грубое решение, лучше первый вариант)
Дополнительно
-
В pjsua есть параметры для логирования на уровне C, иногда в зависимости от сборки могут быть логи из самих C-библиотек.
-
Логирование из
os_core_unix.cиsip_endpoint.c— это именно внутренние логи библиотеки. Их можно контролировать именно черезlogConfig.level. -
Убедитесь в версии библиотеки, некоторый старый PJSIP может игнорировать настройки.
Если покажете, как вы инициализируете PJSIP/pjsua в python, могу подсказать более конкретно.
-
- User
мне надо все в любом геристре и приводить к капсу $prefixes = [ 'Общество с ограниченной ответственностью', 'Закрытое акционерное общество', 'Акционерное общество', 'Публичное акционерное общество', 'Управляющая компания', 'Открытое акционерное общество', 'Специализированый застройщик' 'ООО', 'АО', 'ЗАО', 'ПАО', 'УК', 'ОАО', 'CЗ' ];
$companyName = trim($companyName); foreach ($prefixes as $prefix) { // Проверяем, начинается ли строка с этого префикса (без учёта регистра) if (mb_stripos($companyName, $prefix) === 0) { $companyName = trim(mb_substr($companyName, mb_strlen($prefix))); } } - Assistant
Вы хотите избавиться от префикса из названия компании (без учёта регистра), где в массиве префиксов есть как полные названия, так и аббревиатуры, и затем привести результат к капсом (верхнему регистру).
Как сделать правильно на PHP
- Сравнивать с префиксом без учёта регистра — используйте
mb_stripos(как вы и сделали), - Удалить префикс,
- Тримить строку,
- Перевести результат в верхний регистр —
mb_strtoupper.
Вот исправленный и полный пример:
$prefixes = [ 'Общество с ограниченной ответственностью', 'Закрытое акционерное общество', 'Акционерное общество', 'Публичное акционерное общество', 'Управляющая компания', 'Открытое акционерное общество', 'Специализированый застройщик', 'ООО', 'АО', 'ЗАО', 'ПАО', 'УК', 'ОАО', 'СЗ' ]; $companyName = trim($companyName); foreach ($prefixes as $prefix) { // Проверка без учёта регистра, что $companyName начинается с $prefix if (mb_stripos($companyName, $prefix) === 0) { // Удаляем префикс из начала строки $companyName = trim(mb_substr($companyName, mb_strlen($prefix))); break; // После удаления префикса можно выйти из цикла } } // Переводим в верхний регистр (капс) с учётом кириллицы $companyName = mb_strtoupper($companyName); // Теперь в $companyName у вас строка без префикса и в верхнем регистре
Что сделано:
- Добавлен
breakпосле удаления первого подходящего префикса — иначе будут удаляться все подходящие подряд, - Исправлена опечатка: в вашем оригинале не хватало запятой между
'Специализированый застройщик'и'ООО', - Перевод результата в верхний регистр кириллическими символами через
mb_strtoupper.
Как проверить
$companyName = "ООО Ромашка"; // После обработки будет "РОМАШКА" $companyName = "публичное акционерное общество Соловей"; // станет "СОЛОВЕЙ"
Если хотите, чтобы удалялись все префиксы по очереди, можно убрать
break, но обычно удаляют только первый.
Если нужно — могу помочь с кодом на другом языке.
- Сравнивать с префиксом без учёта регистра — используйте
- User
Добавь еще все популярные абвевеатуры
- Assistant
Конечно! Вот расширённый список наиболее популярных юридических префиксов и аббревиатур в российских названиях компаний:
$prefixes = [ 'Общество с ограниченной ответственностью', 'Закрытое акционерное общество', 'Акционерное общество', 'Публичное акционерное общество', 'Управляющая компания', 'Открытое акционерное общество', 'Специализированный застройщик', // Аббревиатуры 'ООО', 'ЗАО', 'ОАО', 'АО', 'ПАО', 'УК', 'СП', 'ТП', 'НКО', 'ИП', // Индивидуальный предприниматель 'ФГУП', 'ГУП', 'МУП', 'КФХ', // Крестьянское (фермерское) хозяйство 'ТОО', // Для Казахстана, если нужно 'LP', 'LLC', 'INC', 'LTD', 'PLC', 'GmbH', 'SIA', 'SNC', 'SAS', ];Используйте тот же код для удаления префикса и перевода строки в верхний регистр.
Итоговый пример с исправлением запятых и логикой
$prefixes = [ 'Общество с ограниченной ответственностью', 'Закрытое акционерное общество', 'Акционерное общество', 'Публичное акционерное общество', 'Управляющая компания', 'Открытое акционерное общество', 'Специализированный застройщик', 'ООО', 'ЗАО', 'ОАО', 'АО', 'ПАО', 'УК', 'СП', 'ТП', 'НКО', 'ИП', 'ФГУП', 'ГУП', 'МУП', 'КФХ', 'ТОО', 'LP', 'LLC', 'INC', 'LTD', 'PLC', 'GmbH', 'SIA', 'SNC', 'SAS', ]; $companyName = trim($companyName); foreach ($prefixes as $prefix) { if (mb_stripos($companyName, $prefix) === 0) { $companyName = trim(mb_substr($companyName, mb_strlen($prefix))); break; } } $companyName = mb_strtoupper($companyName);Если нужны ещё предложения — пишите!
- User
а если компания будет БУПАОРЕГИОР
он ПАО из строки не вырежет
- Assistant
Если компания называется, например,
'БУПАОРЕГИОР', и мы пытаемся удалить префикс'ПАО', тоmb_stripos($companyName, 'ПАО') === 0не сработает — ведь'ПАО'не в начале строки.Ваш текущий код удаляет только строго совпадающие префиксы в начале строки.
Как удалить префикс из любой части строки (не только в начале)?
Если хотите убрать префикс, встречающийся где угодно в начале текста, игнорируя пробелы, знаки пунктуации, случайные символы между буквами и т.п., то текущий метод не подойдёт, т.к. он ищет точное начальное вхождение.
Возможные решения
1) Обрезать префикс, если он есть с пробелами в начале
Пример:
'ПАО РОМАШКА',' ООО ТEST'— нормальный шаблон.Ваш код с
mb_striposи сравнение с началом строки корректно удалит такой префикс.
2) Если "префикс" в произвольном месте строки — тогда надо искать префикс в любом месте с помощью регулярных выражений
3) Если "ПАО" может быть слитно с именем, например
'ПАОРОМАШКА'— тогда можно искать и удалять префикс в начале слова без учета пробелов:// Удалим префикс ПАО даже если он слит с остальной частью, чувствительно кначалу строки $pattern = '/^(ПАО)/ui'; // i - ignore case, u - unicode $companyName = preg_replace($pattern, '', $companyName); $companyName = trim($companyName);
4) Можно для всех префиксов собрать один регулярный паттерн:
$prefixes = [ 'Общество с ограниченной ответственностью', 'Закрытое акционерное общество', /* ... остальные ... */ 'ПАО', 'ООО', 'ЗАО', 'АО', // ... ]; // Экранируем префиксы для reg exp $escaped = array_map(function($p) { return preg_quote($p, '/'); }, $prefixes); $pattern = '/^(' . implode('|', $escaped) . ')/ui'; $companyName = preg_replace($pattern, '', $companyName); $companyName = trim($companyName); $companyName = mb_strtoupper($companyName);Такой вариант удалит любой из перечисленных префиксов строго в начале строки, игнорируя регистр.
5) Что сделать с "БУПАОРЕГИОР"?
Если название — слитное, неразборчивое и содержит префикс внутри (например,
'БУПАОРЕГИОР'— в этой строке есть'ПАО'в середине, но не в начале), то удаление конечно не сработает ни со строгимmb_stripos === 0, ни с регулярным паттерном, потому что'ПАО'не является префиксом (началом слова).Есть два варианта:
- Либо за правилами считать, что префикс может быть с пробелом/разделителями перед названием компании и искать только в начале строки (лучше и правильнее, иначе ошибка),
- Либо реализовывать дополнительный более сложный парсинг (например, отдельным регулярным выражением искать «ПАО» в любом месте, но только если оно отделено пробелами или знаками препинания).
Пример расширенного регулярного удаления с учетом пробелов и знаков препинания:
$pattern = '/^((' . implode('|', $escaped) . '))(\s+|\.|,|-)+/ui'; $companyName = preg_replace($pattern, '', $companyName); $companyName = trim($companyName); $companyName = mb_strtoupper($companyName);Так можно удалить префикс с пробелами или точками после него.
Итог:
- Ваш исходный метод удалит префикс только если он стоит строго в начале строки.
- Если префикс «встроен» в середину слова — его не стоит считать префиксом и удалять.
- Для "БУПАОРЕГИОР" удалить "ПАО" нельзя без дополнительной логики, которая скорее всего будет ошибочно рубить часть слова.
Если нужна помощь с более точным парсингом или с регулярным выражением — скажите, помогу составить.
- User
не как раз составные слова не трогаем
- Assistant
Понял: вам нужно удалять только префиксы в начале строки (без учёта регистра), при этом не трогать составные слова, где префикс встречается "встроенно" (например,
БУПАОРЕГИОР— где «ПАО» внутри слова, но не в начале).Текущий код с
mb_stripos($companyName, $prefix) === 0работает именно так — удаляет префиксы только если они стоят в начале строки.
Как улучшить на случай, если перед префиксом может быть пробел или знак препинания?
Может быть, префикс в начале, но перед ним есть пробелы, точки, запятые, тире и т.п. И надо удалить их вместе с префиксом.
$prefixes = [ 'Общество с ограниченной ответственностью', 'Закрытое акционерное общество', 'Акционерное общество', 'Публичное акционерное общество', 'Управляющая компания', 'Открытое акционерное общество', 'Специализированный застройщик', 'ООО', 'ЗАО', 'ОАО', 'АО', 'ПАО', 'УК', 'СП', 'ТП', 'НКО', 'ИП', 'ФГУП', 'ГУП', 'МУП', 'КФХ', 'ТОО', 'LP', 'LLC', 'INC', 'LTD', 'PLC', 'GmbH', 'SIA', 'SNC', 'SAS', ]; // Экранирование для regexp $escaped = array_map(function($p) { return preg_quote($p, '/'); }, $prefixes); // Шаблон: префикс в начале, с возможными пробелами или знаками пунктуации после него $pattern = '/^\s*(' . implode('|', $escaped) . ')([\s\.,\-]*)/ui'; $companyName = preg_replace($pattern, '', $companyName); $companyName = trim($companyName); $companyName = mb_strtoupper($companyName);
Почему это работает так, как надо?
- Ищет один из перечисленных префиксов строго в начале строки
^, - Позволяет перед префиксом быть пробелам (например, если строка начинается со пробелов),
- Позволяет после префикса быть пробелам, точкам, запятым, тире (например:
'ПАО. Ромашка',' ООО-Ромашка'), - Удаляет префикс вместе с пробелами и знаками после него,
- Остаток строки обрезает и приводит к верхнему регистру,
- Если префикс встречается встроено в середине слова, например
'БУПАОРЕГИОР'— ничего не удалит.
Такой подход — правильный баланс безопасности и автоматизации для вашей задачи.
Если надо, могу добавить пример с пояснениями или вариант функции.
- Ищет один из перечисленных префиксов строго в начале строки
- User
он может быть и не в начале а отдельное Слово (т.е есть пробелы)
- Assistant
Понял, задача теперь следующая:
- У вас есть префиксы (например,
"ПАО","ООО","Акционерное общество"и т.п.) - Они могут стоять в начале строки — или где-то внутри строки как отдельное слово (с пробелами до и после)
- Нужно удалить один префикс (если он есть) с начала строки или как отдельное слово внутри строки
- При этом не трогать случаи, где префикс в середине слияния (например,
"БУПАОРЕГИОР"— "ПАО" внутри слова не трогаем)
Решение
Нужно:
- Найти префикс, если он стоит строго в начале строки с возможными пробелами,
- Или найти его как отдельное слово в середине строки,
- Удалить первое совпадение,
- Сделать обрезку пробелов,
- И перевести результат в верхний регистр.
Код на PHP с использованием регулярных выражений
$prefixes = [ 'Общество с ограниченной ответственностью', 'Закрытое акционерное общество', 'Акционерное общество', 'Публичное акционерное общество', 'Управляющая компания', 'Открытое акционерное общество', 'Специализированный застройщик', 'ООО', 'ЗАО', 'ОАО', 'АО', 'ПАО', 'УК', 'СП', 'ТП', 'НКО', 'ИП', 'ФГУП', 'ГУП', 'МУП', 'КФХ', 'ТОО', 'LP', 'LLC', 'INC', 'LTD', 'PLC', 'GmbH', 'SIA', 'SNC', 'SAS', ]; // Экранируем все префиксы, чтобы использовать в регулярке $escapedPrefixes = array_map(function($p) { return preg_quote($p, '/'); }, $prefixes); // Формируем паттерн для поиска в начале строки или отдельного слова в любой позиции // \b — граница слова // ^\s* — начало строки + возможные пробелы $pattern = '/(^\s*(' . implode('|', $escapedPrefixes) . ')([\s\.,\-]+)?)|(\b(' . implode('|', $escapedPrefixes) . ')\b)/ui'; $companyName = trim($companyName); // Заменяем только первое совпадение $companyName = preg_replace_callback($pattern, function($matches) { // Если совпало в начале — удаляем всю группу 1 if (!empty($matches[1])) { return ''; } // Если совпало как слово внутри (группа 4), тоже удаляем if (!empty($matches[4])) { return ''; } return $matches[0]; }, $companyName, 1); $companyName = trim($companyName); // Переводим в верхний регистр $companyName = mb_strtoupper($companyName);
Что делает этот код
- Ищет префикс либо в начале строки (с учетом пробелов и знаков: пробел, точка, запятая, тире),
- Либо внутри строки как отдельное слово (
\b), - Заменяет только первое совпадение (в начале или внутри),
- Удаляет найденный префикс вместе с пробелами/знаками после (в начале) или только слово (в середине),
- Оставляет остальную строку без изменений,
- Приводит к верхнему регистру.
Пример
$tests = [ 'ПАО Ромашка', // удалит "ПАО" 'ООО "Ромашка"', // удалит "ООО" 'Компания ПАО "Ромашка"', // удалит "ПАО" в середине как отдельное слово 'БУПАОРЕГИОР', // НЕ удалит "ПАО" внутри слова 'Управляющая компания Ромашка', // удалит "Управляющая компания" 'Ромашка ПАО', // удалит "ПАО" в конце 'Ромашка LLC филиал', // удалит "LLC" внутри ]; foreach ($tests as $cn) { $companyName = $cn; // код удаления префикса здесь (тот, что выше) echo $cn . " => " . $companyName . PHP_EOL; }
Если нужна помощь с адаптацией под ваш контекст — спрашивайте!
- У вас есть префиксы (например,