[发明专利]字符序列匹配方法、实现匹配的预处理方法和装置

说明书

本发明揭示了一种字符序列匹配方法、实现字符序列匹配的预处理方法和装置、机器设备。所述方法包括：从字符序列获得对应于各字符位置的子序列；在字典树根据子序列所包含字符以及所对应字符位置，查找子序列，以判定字典树中存在字符序列匹配的样本字符序列。由于通过字典树进行存储，能够减少空间，所实现且用于进行字符序列中子序列查找的字典树，是实现字符序列中子序列的查找的，因此，对于字典树而言，是利用同一字符位置所存在的相同字符来进行的字典树中的存储，直接且有效的减少了所需要耗费的空间，在所执行的字符序列匹配中，字典树由于已经获得了存储所需要占用空间的减少，因此能够快速一次性加载至内存中，将极大提升匹配速度。

技术领域

本发明涉及计算机应用技术领域，特别涉及一种字符序列匹配方法、实现字符序列匹配的预处理方法和装置、机器设备。

背景技术

随着计算机应用技术的发展，越来越多的进行着字符序列的提取，并随之进行着此字符序列的匹配，以此来获得一定的字符序列匹配结果。字符序列通过所包含的字符携带着特定内容，以此来进行特定内容所对应落地场景的识别，故字符序列的存在是与落地场景强相关的。

但无论何种落地场景的存在，都需要进行若干字符所形成字符序列的匹配。例如，一特征识别中，此字符序列即为特征的存在形式，由此，所进行的特征识别便是字符序列的匹配实现。

进一步举例说明的，在通过病毒库对可疑文件进行病毒的识别中，对于病毒库，是通过从样本，即病毒文件中提取特征进行存储而实现的。然而，在存储过程中会造成病毒库过大，从而在可疑文件的病毒识别中无法一次性加载进入内存。例如，常见的特征，一种特征需要32个字节进行存储，如果需要存储1亿条，则大约需要2.98GB的空间存储，此存储在硬盘上易于实现，但是在识别匹配的实现中，存在着难以将2.98GB的病毒库加载进入内存的困难，进而随之导致匹配速度低下。

由此可知，在实际所进行字符序列匹配的各种应用中，存在着由于样本，即样本字符序列的存储耗费巨大空间，难以将所有样本字符序列载入内存，进而匹配速度低下的局限性。

发明内容

为了解决相关技术中存在的样本字符序列的存在需耗费巨大空间，难以将所有样本字符序列载入内存，进而匹配速度低下的技术问题，本发明提供了一种字符序列匹配方法、实现字符序列匹配的预处理方法和装置、机器设备。

一种字符序列匹配方法，所述方法包括：

获取给定的字符序列；

以所述字符序列中的每一字符位置为起始提取所述字符位置对应的子序列；

在字典树根据所述子序列所包含字符以及所对应字符位置，查找各字符位置所对应子序列，所述字典树通过样本字符序列中样本子序列以及所对应样本字符位置构建；

如果所有字符位置所对应子序列都能够在所述字典树通过所包含字符和所对应字符位置匹配查找得到，则判定所述字典树中存在所述字符序列匹配的样本字符序列。

一种实现字符序列匹配的预处理方法，所述方法包括：

批量获取样本字符序列；

进行所述样本字符序列中的字符提取，在所述样本字符序列中拆分获得样本子序列以及所述样本子序列对应的样本字符位置；

将所述样本子序列中的字符按照所对应样本字符位置，在一节点路径上载入字典树中深度对应于所述样本字符位置的分支节点；

按照所述样本子序列对应的样本字符位置更新所述节点路径上的叶子节点。

一种字符序列匹配装置，所述装置包括：

字符序列获取模块，用于获取给定的字符序列；

子序列获取模块，用于以所述字符序列中的每一字符位置为起始提取所述字符位置对应的子序列；