Jape电话号码检测规则在Annie（appelt/brill模式）无限运行求助

问题根源 #

你的规则在Appelt或Brill控制模式下无限循环，核心原因有两个：

1. 无效匹配的重复触发：Appelt/Brill是增量匹配模式，规则会在每次执行后重新扫描文档。你的第二个分支全由可选节点（?）组成，可能匹配空序列、单个标点或短数字——这些序列在动作里会被过滤（因为偏移量不足10），但规则不会产生任何标注，导致控制逻辑认为需要反复执行规则来寻找匹配。
2. 模糊的匹配范围：松散的可选节点组合让规则可以匹配大量不满足最终条件的短序列，每次匹配后没有"消耗"足够的标注或Token，触发无限迭代。

解决方案 #

通过收紧规则的匹配约束，提前过滤掉无效序列，避免无意义的重复匹配：

• 移除空匹配可能，确保每个分支至少匹配足够的数字字符
• 提前在规则模式里约束数字总位数，而非等到动作里才过滤
• 优化分支结构，减少重叠匹配的可能性

修改后的Jape规则 #

Phase: PhoneFinder
Input: Token
Options: control = appelt debug = false
Rule: PhoneRule
(
  // 分支1：10位连续数字
  {Token.kind == number, Token.category == CD, Token.length == 10}
  |
  // 分支2：带括号/短横线的标准格式（比如(123)456-7890）
  (
    ({Token.kind == punctuation, Token.category == "("})?
    {Token.kind == number, Token.category == CD, Token.length >= 3, Token.length <=4}
    ({Token.kind == punctuation, Token.category == ")"} )?
    ({Token.kind == punctuation, Token.category == "-"} )?
    {Token.kind == number, Token.category == CD, Token.length >= 7}
  )
  |
  // 分支3：带冒号分隔的格式（比如123:456:7890），确保总数字位数≥10
  (
    {Token.kind == number, Token.category == CD}+
    ({Token.kind == punctuation, Token.category == ":"} {Token.kind == number, Token.category == CD}+)+
  )
)
:phoneLookup
-->
{
    AnnotationSet rawPhone = bindings.get("phoneLookup");
    if(rawPhone == null || rawPhone.size() == 0) return;
    
    // 统计总数字位数，替代偏移量判断（更准确）
    int digitCount = 0;
    for (Annotation token : rawPhone) {
        if (token.getFeatures().get("kind").equals("number")) {
            digitCount += ((String)token.getFeatures().get("string")).length();
        }
    }
    
    if (digitCount >= 10) {
        FeatureMap features = Factory.newFeatureMap();
        features.put("rule","PhoneRule");
        features.put("kind","phone");
        outputAS.add(rawPhone.firstNode(), rawPhone.lastNode(), "PhoneFinder", features);
    }
}

关键改动说明 #

• 第二个分支不再允许数字节点可选，强制要求区号部分3-4位、主体部分至少7位，确保匹配序列本身符合电话号码结构
• 第三个分支重构为数字+(:数字)+的结构，避免空匹配，同时保证总数字位数足够
• 动作里用数字位数统计替代偏移量判断，更准确（偏移量可能包含标点长度），同时提前返回空匹配的情况
• 移除了原规则中可能匹配空序列的松散结构，从根源上避免无效匹配触发的循环

内容的提问来源于stack exchange，提问作者Mehtab Singh