ytcollector 1.0.9__tar.gz → 1.1.2__tar.gz

{ytcollector-1.0.9 → ytcollector-1.1.2}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: ytcollector
-Version: 1.0.9
+Version: 1.1.2
 Summary: YouTube 콘텐츠 수집기 - 얼굴, 번호판, 타투, 텍스트 감지
 Author: YTCollector Team
 License: MIT
@@ -24,6 +24,7 @@ Provides-Extra: analysis
 Requires-Dist: opencv-python>=4.5.0; extra == "analysis"
 Requires-Dist: easyocr>=1.6.0; extra == "analysis"
 Requires-Dist: numpy>=1.20.0; extra == "analysis"
+Requires-Dist: ultralytics>=8.0.0; extra == "analysis"
 Provides-Extra: dev
 Requires-Dist: pytest>=7.0.0; extra == "dev"
 Requires-Dist: black>=23.0.0; extra == "dev"
@@ -46,7 +47,9 @@ pip install yt-dlp
 ### 분석 기능용 패키지 (권장)
 
 ```bash
-pip install opencv-python easyocr numpy
+pip install opencv-python easyocr numpy ultralytics
+# YOLO-World 기능을 사용하려면 아래 CLIP 라이브러리 수동 설치가 필요합니다.
+pip install "git+https://github.com/ultralytics/CLIP.git"
 ```
 
 ## 사용법
@@ -54,7 +57,7 @@ pip install opencv-python easyocr numpy
 ### 기본 실행
 
 ```bash
-python main.py
+ytcollector
 ```
 
 기본값: 얼굴 카테고리 5개, 최대 3분 영상
@@ -66,7 +69,7 @@ python main.py
 | `-c`, `--categories` | 수집할 카테고리 | `face` |
 | `-n`, `--count` | 카테고리당 다운로드 수 | `5` |
 | `-d`, `--duration` | 최대 영상 길이(분) | `3` |
-| `-o`, `--output` | 저장 경로 | `~/Downloads/youtube_collection` |
+| `-o`, `--output` | 저장 경로 | `.` (현재 폴더) |
 | `--fast` | 고속 모드 (병렬 다운로드) | 비활성화 |
 | `-w`, `--workers` | 병렬 다운로드 수 | `3` |
 | `--proxy` | 프록시 주소 | 없음 |
@@ -86,45 +89,45 @@ python main.py
 
 ```bash
 # 얼굴 영상 10개 수집
-python main.py -c face -n 10
+ytcollector -c face -n 10
 
 # 번호판 영상 수집 (최대 5분)
-python main.py -c license_plate -d 5
+ytcollector -c license_plate -d 5
 
 # 타투 영상 수집
-python main.py -c tattoo -n 5
+ytcollector -c tattoo -n 5
 ```
 
 ### 여러 카테고리
 
 ```bash
 # 얼굴과 텍스트 각 10개씩
-python main.py -c face text -n 10
+ytcollector -c face text -n 10
 
 # 모든 카테고리 수집
-python main.py -c face license_plate tattoo text -n 5
+ytcollector -c face license_plate tattoo text -n 5
 ```
 
 ### 고속 모드
 
 ```bash
 # 병렬 다운로드 (기본 3개 동시)
-python main.py -c face -n 10 --fast
+ytcollector -c face -n 10 --fast
 
 # 5개 동시 다운로드
-python main.py -c face -n 10 --fast -w 5
+ytcollector -c face -n 10 --fast -w 5
 ```
 
 ### 저장 경로 지정
 
 ```bash
-python main.py -c face -o /path/to/save
+ytcollector -c face -o /path/to/save
 ```
 
 ### 프록시 사용
 
 ```bash
-python main.py -c face --proxy http://proxy.server:8080
+ytcollector -c face --proxy http://proxy.server:8080
 ```
 
 ## SBS Dataset 구축 (URL 리스트 기반)
@@ -184,9 +187,9 @@ https://www.youtube.com/watch?v=aqz-KE-bpKQ, 00:10, sample_task
 | 감지 항목 | 사용 기술 | 설명 |
 |-----------|-----------|------|
 | 얼굴 | OpenCV Haar Cascade | 정면 얼굴 감지 |
-| 텍스트 | EasyOCR | 한국어/영어 문자 인식 |
-| 번호판 | EasyOCR + 정규식 | 번호판 패턴 매칭 |
-| 타투 | OpenCV HSV 분석 | 피부 영역 내 잉크 패턴 |
+| 텍스트 | EasyOCR | 한국어/영어 문자 인식 (분석 품질 및 프레임 수 개선) |
+| 번호판 | YOLO-World + OCR | YOLO-World 기반 시각적 감지 + OCR 매칭 |
+| 타투 | OpenCV HSV 분석 | 피부 영역 내 잉크 패턴 감지 |
 
 ## 주의사항
 

{ytcollector-1.0.9 → ytcollector-1.1.2}/README.md

@@ -13,7 +13,9 @@ pip install yt-dlp
 ### 분석 기능용 패키지 (권장)
 
 ```bash
-pip install opencv-python easyocr numpy
+pip install opencv-python easyocr numpy ultralytics
+# YOLO-World 기능을 사용하려면 아래 CLIP 라이브러리 수동 설치가 필요합니다.
+pip install "git+https://github.com/ultralytics/CLIP.git"
 ```
 
 ## 사용법
@@ -21,7 +23,7 @@ pip install opencv-python easyocr numpy
 ### 기본 실행
 
 ```bash
-python main.py
+ytcollector
 ```
 
 기본값: 얼굴 카테고리 5개, 최대 3분 영상
@@ -33,7 +35,7 @@ python main.py
 | `-c`, `--categories` | 수집할 카테고리 | `face` |
 | `-n`, `--count` | 카테고리당 다운로드 수 | `5` |
 | `-d`, `--duration` | 최대 영상 길이(분) | `3` |
-| `-o`, `--output` | 저장 경로 | `~/Downloads/youtube_collection` |
+| `-o`, `--output` | 저장 경로 | `.` (현재 폴더) |
 | `--fast` | 고속 모드 (병렬 다운로드) | 비활성화 |
 | `-w`, `--workers` | 병렬 다운로드 수 | `3` |
 | `--proxy` | 프록시 주소 | 없음 |
@@ -53,45 +55,45 @@ python main.py
 
 ```bash
 # 얼굴 영상 10개 수집
-python main.py -c face -n 10
+ytcollector -c face -n 10
 
 # 번호판 영상 수집 (최대 5분)
-python main.py -c license_plate -d 5
+ytcollector -c license_plate -d 5
 
 # 타투 영상 수집
-python main.py -c tattoo -n 5
+ytcollector -c tattoo -n 5
 ```
 
 ### 여러 카테고리
 
 ```bash
 # 얼굴과 텍스트 각 10개씩
-python main.py -c face text -n 10
+ytcollector -c face text -n 10
 
 # 모든 카테고리 수집
-python main.py -c face license_plate tattoo text -n 5
+ytcollector -c face license_plate tattoo text -n 5
 ```
 
 ### 고속 모드
 
 ```bash
 # 병렬 다운로드 (기본 3개 동시)
-python main.py -c face -n 10 --fast
+ytcollector -c face -n 10 --fast
 
 # 5개 동시 다운로드
-python main.py -c face -n 10 --fast -w 5
+ytcollector -c face -n 10 --fast -w 5
 ```
 
 ### 저장 경로 지정
 
 ```bash
-python main.py -c face -o /path/to/save
+ytcollector -c face -o /path/to/save
 ```
 
 ### 프록시 사용
 
 ```bash
-python main.py -c face --proxy http://proxy.server:8080
+ytcollector -c face --proxy http://proxy.server:8080
 ```
 
 ## SBS Dataset 구축 (URL 리스트 기반)
@@ -151,9 +153,9 @@ https://www.youtube.com/watch?v=aqz-KE-bpKQ, 00:10, sample_task
 | 감지 항목 | 사용 기술 | 설명 |
 |-----------|-----------|------|
 | 얼굴 | OpenCV Haar Cascade | 정면 얼굴 감지 |
-| 텍스트 | EasyOCR | 한국어/영어 문자 인식 |
-| 번호판 | EasyOCR + 정규식 | 번호판 패턴 매칭 |
-| 타투 | OpenCV HSV 분석 | 피부 영역 내 잉크 패턴 |
+| 텍스트 | EasyOCR | 한국어/영어 문자 인식 (분석 품질 및 프레임 수 개선) |
+| 번호판 | YOLO-World + OCR | YOLO-World 기반 시각적 감지 + OCR 매칭 |
+| 타투 | OpenCV HSV 분석 | 피부 영역 내 잉크 패턴 감지 |
 
 ## 주의사항
 

{ytcollector-1.0.9 → ytcollector-1.1.2}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "ytcollector"
-version = "1.0.9"
+version = "1.1.2"
 description = "YouTube 콘텐츠 수집기 - 얼굴, 번호판, 타투, 텍스트 감지"
 readme = "README.md"
 requires-python = ">=3.8"
@@ -34,6 +34,7 @@ analysis = [
     "opencv-python>=4.5.0",
     "easyocr>=1.6.0",
     "numpy>=1.20.0",
+    "ultralytics>=8.0.0",
 ]
 dev = [
     "pytest>=7.0.0",

ytcollector-1.1.2/ytcollector/analyzer.py

@@ -0,0 +1,311 @@
+import re
+import threading
+from .config import LICENSE_PLATE_PATTERNS
+
+# 선택적 import
+try:
+    import cv2
+    CV2_AVAILABLE = True
+except ImportError:
+    CV2_AVAILABLE = False
+
+try:
+    import easyocr
+    EASYOCR_AVAILABLE = True
+except ImportError:
+    EASYOCR_AVAILABLE = False
+
+try:
+    import numpy as np
+    NUMPY_AVAILABLE = True
+except ImportError:
+    NUMPY_AVAILABLE = False
+
+try:
+    from ultralytics import YOLOWorld
+    YOLO_AVAILABLE = True
+except ImportError:
+    YOLOWorld = None
+    YOLO_AVAILABLE = False
+
+from .config import LICENSE_PLATE_PATTERNS, YOLO_MODEL_NAME, YOLO_CONFIDENCE, YOLO_PROMPTS
+
+
+class VideoAnalyzer:
+    """영상 분석 클래스 - 얼굴, 텍스트, 번호판, 타투 감지"""
+
+    _ocr_lock = threading.Lock()
+
+    def __init__(self):
+        self.ocr_reader = None
+        self.face_cascade = None
+        self.yolo_model = None
+
+        if CV2_AVAILABLE:
+            cascade_path = cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'
+            self.face_cascade = cv2.CascadeClassifier(cascade_path)
+
+    def _init_ocr(self):
+        """OCR 리더 초기화 (필요할 때만, 스레드 안전)"""
+        if EASYOCR_AVAILABLE and self.ocr_reader is None:
+            with self._ocr_lock:
+                if self.ocr_reader is None:
+                    print("  OCR 엔진 초기화 중...")
+                    self.ocr_reader = easyocr.Reader(['ko', 'en'], gpu=False, verbose=False)
+
+    def _init_yolo(self):
+        """YOLO-World 모델 초기화 (필요할 때만, 스레드 안전)"""
+        if YOLO_AVAILABLE and self.yolo_model is None:
+            with self._ocr_lock:
+                if self.yolo_model is None:
+                    print(f"  YOLO-World 모델({YOLO_MODEL_NAME}) 로딩 중...")
+                    self.yolo_model = YOLOWorld(YOLO_MODEL_NAME)
+                    # 감지할 클래스(프롬프트) 설정
+                    self.yolo_model.set_classes(YOLO_PROMPTS)
+
+    def extract_frames(self, video_path, num_frames=10):
+        """영상에서 균등 간격으로 프레임 추출"""
+        if not CV2_AVAILABLE:
+            return []
+
+        cap = cv2.VideoCapture(video_path)
+        if not cap.isOpened():
+            return []
+
+        total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
+        if total_frames <= 0:
+            cap.release()
+            return []
+
+        frame_indices = [int(i * total_frames / (num_frames + 1)) for i in range(1, num_frames + 1)]
+        frames = []
+
+        for idx in frame_indices:
+            cap.set(cv2.CAP_PROP_POS_FRAMES, idx)
+            ret, frame = cap.read()
+            if ret:
+                frames.append(frame)
+
+        cap.release()
+        return frames
+
+    def detect_faces(self, frame):
+        """Haar Cascade로 얼굴 감지"""
+        if not CV2_AVAILABLE or self.face_cascade is None:
+            return []
+
+        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+        return self.face_cascade.detectMultiScale(
+            gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30)
+        )
+
+    def detect_text(self, frame):
+        """EasyOCR로 텍스트 감지 (스레드 안전)"""
+        if not EASYOCR_AVAILABLE:
+            return []
+
+        self._init_ocr()
+        try:
+            h, w = frame.shape[:2]
+            
+            # 가독성 개선을 위해 1080p 수준으로 리사이즈 (너무 작으면 인식률 저하)
+            if w > 1280:
+                scale = 1280 / w
+                frame = cv2.resize(frame, (1280, int(h * scale)), interpolation=cv2.INTER_LANCZOS4)
+            elif w < 640:
+                # 너무 작은 경우 확대
+                scale = 960 / w
+                frame = cv2.resize(frame, (960, int(h * scale)), interpolation=cv2.INTER_CUBIC)
+
+            # 전처리: 그레이스케일 및 대비 강화 (옵션)
+            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+            clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
+            processed = clahe.apply(gray)
+
+            with self._ocr_lock:
+                # 원본(컬러)과 전처리(그레이) 중 선택 가능하나 보통 EasyOCR은 컬러에서 잘 작동함
+                # 대비 강화된 그레이스케일을 사용해봄
+                results = self.ocr_reader.readtext(processed)
+            
+            # 신뢰도 임계값 0.25로 약간 하향 조정 (기존 0.3)
+            return [r[1] for r in results if r[2] > 0.25]
+        except Exception as e:
+            print(f"  ⚠ OCR 에러: {e}")
+            return []
+
+    def detect_license_plate(self, texts, frame=None):
+        """텍스트에서 번호판 패턴 감지 및 YOLO-World 보조 감지"""
+        # 1. YOLO-World로 번호판 영역 확인
+        if YOLO_AVAILABLE and frame is not None:
+            try:
+                self._init_yolo()
+                if self.yolo_model:
+                    results = self.yolo_model(frame, verbose=False, conf=YOLO_CONFIDENCE)
+                    for r in results:
+                        # YOLO-World 클래스 인덱스는 YOLO_PROMPTS 순서와 같음
+                        # 0: license plate, 1: tattoo, 2: face (config 기준)
+                        if any(box.cls == 0 for box in r.boxes):
+                            # 번호판이 감지됨 -> 텍스트가 조금이라도 있으면 통과
+                            if texts: return True
+                            # 텍스트가 없어도 신뢰도가 높으면 감지된 것으로 간주 (옵션)
+                            if any(box.conf > 0.5 for box in r.boxes if box.cls == 0):
+                                return True
+            except:
+                pass
+
+        if not texts:
+            return False
+            
+        # 2. 개별 텍스트 박스 체크
+        for text in texts:
+            text_clean = re.sub(r'[^0-9가-힣]', '', text)
+            for pattern in LICENSE_PLATE_PATTERNS:
+                if re.search(pattern, text_clean):
+                    return True
+        
+        # 3. 프레임 내 모든 텍스트 결합 후 체크 (번호판이 쪼개진 경우 대응)
+        combined_text = "".join([re.sub(r'[^0-9가-힣]', '', t) for t in texts])
+        for pattern in LICENSE_PLATE_PATTERNS:
+            if re.search(pattern, combined_text):
+                return True
+                
+        return False
+
+    def detect_tattoo(self, frame):
+        """피부 영역에서 타투(어두운 잉크 패턴) 감지"""
+        if not CV2_AVAILABLE or not NUMPY_AVAILABLE:
+            return False
+
+        try:
+            hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
+
+            # 피부색 범위
+            lower_skin = np.array([0, 30, 80], dtype=np.uint8)
+            upper_skin = np.array([17, 170, 255], dtype=np.uint8)
+            skin_mask = cv2.inRange(hsv, lower_skin, upper_skin)
+
+            # 노이즈 제거
+            kernel = np.ones((5, 5), np.uint8)
+            skin_mask = cv2.morphologyEx(skin_mask, cv2.MORPH_OPEN, kernel)
+            skin_mask = cv2.morphologyEx(skin_mask, cv2.MORPH_CLOSE, kernel)
+
+            skin_pixels = cv2.countNonZero(skin_mask)
+            total_pixels = frame.shape[0] * frame.shape[1]
+
+            # 피부 영역 최소 10% 필요
+            if skin_pixels < total_pixels * 0.10:
+                return False
+
+            # 피부 영역 내 어두운 픽셀(타투) 감지
+            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+            skin_gray = cv2.bitwise_and(gray, gray, mask=skin_mask)
+            dark_mask = cv2.inRange(skin_gray, 1, 80)
+
+            dark_pixels = cv2.countNonZero(dark_mask)
+            dark_ratio = dark_pixels / max(skin_pixels, 1)
+
+            # 어두운 영역이 3~35%일 때 타투로 판정
+            if 0.03 < dark_ratio < 0.35:
+                contours, _ = cv2.findContours(dark_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
+                significant = [c for c in contours if cv2.contourArea(c) > 100]
+                return len(significant) >= 1
+
+            return False
+        except:
+            return False
+
+    def analyze(self, video_path):
+        """영상 전체 분석"""
+        results = {
+            'face': False,
+            'text': False,
+            'license_plate': False,
+            'tattoo': False,
+            'face_count': 0,
+            'detected_texts': [],
+            'first_detection_sec': None,
+            'first_detection_ts': None
+        }
+
+        if not CV2_AVAILABLE:
+            print("  ⚠ OpenCV 미설치")
+            return results
+
+        # 영상 정보 가져오기
+        cap = cv2.VideoCapture(video_path)
+        if not cap.isOpened():
+            return results
+        
+        fps = cap.get(cv2.CAP_PROP_FPS) or 30
+        total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
+        cap.release()
+
+        # 분석 프레임 수 증가 (10 -> 20)
+        num_analysis_frames = 20
+        # 영상이 아주 긴 경우(10분 이상) 더 많은 프레임 추출
+        if total_frames / fps > 600:
+            num_analysis_frames = 30
+            
+        frame_indices = [int(i * total_frames / (num_analysis_frames + 1)) for i in range(1, num_analysis_frames + 1)]
+        
+        all_texts = []
+        total_faces = 0
+
+        cap = cv2.VideoCapture(video_path)
+        for idx in frame_indices:
+            cap.set(cv2.CAP_PROP_POS_FRAMES, idx)
+            ret, frame = cap.read()
+            if not ret: continue
+
+            # 현재 프레임의 시간(초)
+            current_sec = idx / fps
+            detected_now = False
+
+            # 얼굴
+            faces = self.detect_faces(frame)
+            if len(faces) > 0:
+                results['face'] = True
+                total_faces += len(faces)
+                detected_now = True
+
+            # 텍스트 및 번호판
+            texts = self.detect_text(frame)
+            if texts:
+                results['text'] = True
+                all_texts.extend(texts)
+                detected_now = True
+                
+                # 번호판 감지 (프레임별로 결합 텍스트 및 YOLO 확인)
+                if self.detect_license_plate(texts, frame=frame):
+                    results['license_plate'] = True
+
+            # 타투
+            if self.detect_tattoo(frame):
+                results['tattoo'] = True
+                detected_now = True
+
+            # 첫 감지 시점 기록
+            if detected_now and results['first_detection_sec'] is None:
+                results['first_detection_sec'] = current_sec
+                m, s = int(current_sec // 60), int(current_sec % 60)
+                results['first_detection_ts'] = f"{m:02d}:{s:02d}"
+
+        cap.release()
+
+        if all_texts:
+            results['detected_texts'] = list(set(all_texts))[:10]
+
+        results['face_count'] = total_faces
+        return results
+
+
+def check_dependencies():
+    """의존성 체크"""
+    missing = []
+    if not CV2_AVAILABLE:
+        missing.append("opencv-python")
+    if not EASYOCR_AVAILABLE:
+        missing.append("easyocr")
+    if not NUMPY_AVAILABLE:
+        missing.append("numpy")
+    return missing

{ytcollector-1.0.9 → ytcollector-1.1.2}/ytcollector/cli.py

@@ -51,8 +51,8 @@ def create_parser():
     parser.add_argument(
         '-o', '--output',
         type=str,
-        default=os.path.expanduser("~/youtube"),
-        help='저장 경로 (기본: ~/youtube)'
+        default=".",
+        help='저장 경로 (기본: 현재 폴더)'
     )
     parser.add_argument(
         '--fast',
@@ -74,7 +74,7 @@ def create_parser():
     parser.add_argument(
         '-v', '--version',
         action='version',
-        version='%(prog)s 1.0.9'
+        version='%(prog)s 1.1.2'
     )
     parser.add_argument(
         '--check-deps',
@@ -115,7 +115,7 @@ def run(
         categories = ['face']
     
     if output is None:
-        output = os.path.expanduser("~/youtube")
+        output = "."
     
     # 의존성 체크
     missing = check_dependencies()

{ytcollector-1.0.9 → ytcollector-1.1.2}/ytcollector/config.py

@@ -37,14 +37,10 @@ CATEGORY_QUERIES = {
     ],
     'text': [
         "SBS 런닝맨 레전드",
-        "SBS 미운우리새끼 명장면",
-        "SBS 동상이몽 클립",
-        "SBS 집사부일체 모음",
-        "SBS 골목식당 레전드",
-        "SBS 맛남의광장 클립",
-        "SBS 불타는청춘 명장면",
-        "SBS 정글의법칙 레전드",
-        "SBS 예능",
+        "SBS 예능 쇼츠",
+        "재미있는 자막 영상 쇼츠",
+        "SBS 파워FM 보이는 라디오",
+        "SBS 연예대상 소감",
     ],
 }
 
@@ -55,12 +51,38 @@ CATEGORY_NAMES = {
     'text': '텍스트'
 }
 
-# 번호판 정규식 패턴
+# 카테고리별 제외 키워드 (제목에 포함 시 스킵)
+BLACKLIST_KEYWORDS = {
+    'tattoo': [
+        "두피 문신", "두피문신",
+        "눈썹 문신", "눈썹문신",
+        "입술 문신", "입술문신",
+        "립타투", "립 타투",
+        "헤어타투", "헤어 타투",
+        "구레나룻문신", "구레나룻 문신",
+        "틴트 입술",
+        "반영구", "SMP"
+    ],
+    'face': [],
+    'license_plate': [],
+    'text': []
+}
+
+# YOLO 설정
+YOLO_MODEL_NAME = 'yolov8s-world.pt' # YOLO-World 모델 (Open Vocabulary)
+YOLO_CONFIDENCE = 0.3                # YOLO-World는 임계값을 약간 낮게 설정 가능
+YOLO_PROMPTS = ["license plate"]
+
+# 번호판 정규식 패턴 (한국 자동차 번호판 중심)
 LICENSE_PLATE_PATTERNS = [
-    r'\d{2,3}[가-힣]\d{4}',
-    r'[가-힣]{2}\d{2}[가-힣]\d{4}',
-    r'[A-Z]{2,3}[-\s]?\d{2,4}[-\s]?[A-Z]{0,3}',
-    r'\d{2,4}[-\s]?[A-Z]{2,3}[-\s]?\d{2,4}',
+    # 1. 신형/구형 번호판 (12가 3456, 123가 4567)
+    r'\d{2,3}[가-힣]{1}\d{4}',
+    # 2. 지역 포함 번호판 (서울 12 가 3456)
+    r'[가-힣]{2}\d{2}[가-힣]{1}\d{4}',
+    # 3. 전기차/외교/임시 등 특수 패턴 대응
+    r'[가-힣]{2,3}\d{4}', # (예: 외교 1234, 임시 1234)
+    # 4. 결합된 텍스트에서 숫자-글자-숫자 구성 포착
+    r'\d+[가-힣]+\d+',
 ]
 
 # 스킵할 에러 메시지