[發明專利]一種正則表達式生成方法、裝置、介質及設備

有效

• 申請號: 202111484491.8
• 申請日: 2021-12-07
• 公開（公告）號: CN114385868B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 鄔聞;黃桂泉;劉兆華;梁天舫
• 申請（專利權）人: 廣東宜通衡睿科技有限公司
• 主分類號: G06F16/903
• 分類號: G06F16/903
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

本發明公開了一種正則表達式生成方法、裝置、介質及設備，包括：獲取待處理字符串，并獲取待處理字符串的原始正則表達式；響應于用戶的子串選擇指令，獲取待處理字符串的若干待選擇子串；將若干待選擇子串中的第一個待選擇子串作為選擇子串，對待處理字符串進行分割處理，獲得第一子串、第二子串及選擇子串；響應于用戶的子串類型選擇指令，獲取選擇子串的類型，并根據選擇子串的類型，獲取對應的待拼接正則表達式生成策略，以根據待拼接正則表達式生成策略得到待拼接正則表達式；將原始正則表達式和待拼接正則表達式依次進行拼接，得到待處理字符串的最終正則表達式。采用本發明實施例能夠減少出現誤匹配的情況，提高匹配準確率。

技術領域

本發明涉及計算機技術領域，尤其涉及一種正則表達式生成方法、裝置、介質及設備。

背景技術

在現有的數據提取技術，利用正則表達式提取是較為常用的方式。一般可以通過正則表達式生成工具如Txt2re來生成正則表達式，但其對結構相近的字符串容易造成誤匹配，使得準確率較低。

發明內容

本發明提供一種正則表達式生成方法、裝置、介質及設備，以解決現有技術對結構相近的字符串容易造成誤匹配的問題，本發明通過增加選擇子串的類型選擇，能夠減少出現誤匹配的情況，提高匹配的準確率，并減少性能消耗。

為實現上述目的，本發明實施例提供了一種正則表達式生成方法，包括：

獲取待處理字符串，并獲取所述待處理字符串的原始正則表達式；

響應于用戶的子串選擇指令，獲取所述待處理字符串的若干待選擇子串；

將若干所述待選擇子串中的第一個所述待選擇子串作為選擇子串，并以所述選擇子串為界，對所述待處理字符串進行分割處理，獲得在所述待處理字符串中的所述選擇子串之前的第一子串、所述選擇子串之后的第二子串，及所述選擇子串；

響應于用戶的子串類型選擇指令，獲取所述選擇子串的類型，并根據所述選擇子串的類型，獲取對應的待拼接正則表達式生成策略，以根據所述待拼接正則表達式生成策略得到待拼接正則表達式；其中，所述選擇子串的類型包括期望獲取子串及非期望獲取子串；

將所述原始正則表達式和所述待拼接正則表達式依次進行拼接，得到所述待處理字符串的最終正則表達式。

作為上述方案的改進，當所述選擇子串的類型為所述非期望獲取子串時，所述待拼接正則表達式生成策略包括：

判斷所述第一子串是否為空，若是，將所述選擇子串作為待拼接正則表達式，否則，根據預設的第一規則生成待拼接正則表達式。

作為上述方案的改進，所述根據預設的第一規則生成待拼接正則表達式，包括：

獲取所述第一子串中的尾字符，將所述尾字符作為第一分隔符，計算所述第一分隔符在所述第一子串中出現的次數n；

將非所述第一分隔符的通配符與所述第一分隔符作為第三子串，獲取限定n次的所述第三子串，以將限定n次的所述第三子串作為待拼接正則表達式。

作為上述方案的改進，當所述選擇子串的類型為所述期望獲取子串時，所述待拼接正則表達式生成策略包括：

獲取所述第二子串的首字符，并將所述首字符作為第二分隔符；

判斷所述選擇子串中是否包含所述第二分隔符，若否，將非所述第二分隔符的通配符和第二分隔符依次進行拼接，得到第一拼接子串，以將所述第一拼接子串作為待拼接正則表達式，否則，根據預設的第二規則生成待拼接正則表達式。

作為上述方案的改進，所述根據預設的第二規則生成待拼接正則表達式，包括：

計算所述第二分隔符在所述選擇子串中出現的次數i；