[发明专利]一种正则表达式抽取方法及装置

权利要求书

1.一种正则表达式抽取方法，其特征在于，包括：

将待抽取属性值的目标文本进行预处理，得到字符文本；

获取多个正则表达式，并对每个正则表达式的字符数进行统计，得到每个正则表达式所对应的字符总数；

依次将每个正则表达式中的字符与所述字符文本中的字符进行逐一匹配，统计每个正则表达式与所述字符文本中的字符匹配相同的字符数，得到每个正则表达式所对应的匹配总数；

根据所述每个正则表达式所对应的字符总数和所述每个正则表达式所对应的匹配总数，计算得到每个正则表达式所对应的匹配度；

根据所述每个正则表达式所对应的匹配度的数值大小，选择匹配度最高的正则表达式作为所述目标文本的最优正则表达式。

2.如权利要求1所述的正则表达式抽取方法，其特征在于，所述将待抽取属性值的目标文本进行预处理的步骤，包括：将待抽取属性值的目标文本进行分句和分词处理。

3.如权利要求1所述的正则表达式抽取方法，其特征在于，所述计算得到每个正则表达式所对应的匹配度的步骤，具体为：计算所述匹配总数与所述字符总数的比值，作为每个正则表达式所对应的匹配度数值。

4.如权利要求1所述的正则表达式抽取方法，其特征在于，所述选择匹配度最高的正则表达式的数量为两个；即，选择两个匹配度最高的正则表达式作为所述目标文本的最优正则表达式。

5.一种正则表达式抽取装置，其特征在于，包括：

预处理模块，用于将待抽取属性值的目标文本进行预处理，得到字符文本；

字符总数模块，用于获取多个正则表达式，并对每个正则表达式的字符数进行统计，得到每个正则表达式所对应的字符总数；

匹配总数模块，用于依次将每个正则表达式中的字符与所述字符文本中的字符进行逐一匹配，统计每个正则表达式与所述字符文本中的字符匹配相同的字符数，得到每个正则表达式所对应的匹配总数；

匹配度计算模块，用于根据所述每个正则表达式所对应的字符总数和所述每个正则表达式所对应的匹配总数，计算得到每个正则表达式所对应的匹配度；

表达式选择模块，用于根据所述每个正则表达式所对应的匹配度的数值大小，选择匹配度最高的正则表达式作为所述目标文本的最优正则表达式。

6.如权利要求5所述的正则表达式抽取装置，其特征在于，所述预处理模块用于将待抽取属性值的目标文本进行预处理的步骤，包括：将待抽取属性值的目标文本进行分句和分词处理。

7.如权利要求5所述的正则表达式抽取装置，其特征在于，所述匹配度计算模块用于计算得到每个正则表达式所对应的匹配度的步骤，具体为：计算所述匹配总数与所述字符总数的比值，作为每个正则表达式所对应的匹配度数值。

8.如权利要求5所述的正则表达式抽取装置，其特征在于，所述表达式选择模块用于选择匹配度最高的正则表达式的数量为两个；即，表达式选择模块具体用于选择两个匹配度最高的正则表达式作为所述目标文本的最优正则表达式。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1～4任一项所述的正则表达式抽取方法。

10.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1～4任一项所述的正则表达式抽取方法。