[发明专利]一种正则表达式生成方法、装置、介质及设备

说明书

本发明公开了一种正则表达式生成方法、装置、介质及设备，包括：获取待处理字符串，并获取待处理字符串的原始正则表达式；响应于用户的子串选择指令，获取待处理字符串的若干待选择子串；将若干待选择子串中的第一个待选择子串作为选择子串，对待处理字符串进行分割处理，获得第一子串、第二子串及选择子串；响应于用户的子串类型选择指令，获取选择子串的类型，并根据选择子串的类型，获取对应的待拼接正则表达式生成策略，以根据待拼接正则表达式生成策略得到待拼接正则表达式；将原始正则表达式和待拼接正则表达式依次进行拼接，得到待处理字符串的最终正则表达式。采用本发明实施例能够减少出现误匹配的情况，提高匹配准确率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种正则表达式生成方法、装置、介质及设备。

背景技术

在现有的数据提取技术，利用正则表达式提取是较为常用的方式。一般可以通过正则表达式生成工具如Txt2re来生成正则表达式，但其对结构相近的字符串容易造成误匹配，使得准确率较低。

发明内容

本发明提供一种正则表达式生成方法、装置、介质及设备，以解决现有技术对结构相近的字符串容易造成误匹配的问题，本发明通过增加选择子串的类型选择，能够减少出现误匹配的情况，提高匹配的准确率，并减少性能消耗。

为实现上述目的，本发明实施例提供了一种正则表达式生成方法，包括：

获取待处理字符串，并获取所述待处理字符串的原始正则表达式；

响应于用户的子串选择指令，获取所述待处理字符串的若干待选择子串；

将若干所述待选择子串中的第一个所述待选择子串作为选择子串，并以所述选择子串为界，对所述待处理字符串进行分割处理，获得在所述待处理字符串中的所述选择子串之前的第一子串、所述选择子串之后的第二子串，及所述选择子串；

响应于用户的子串类型选择指令，获取所述选择子串的类型，并根据所述选择子串的类型，获取对应的待拼接正则表达式生成策略，以根据所述待拼接正则表达式生成策略得到待拼接正则表达式；其中，所述选择子串的类型包括期望获取子串及非期望获取子串；

将所述原始正则表达式和所述待拼接正则表达式依次进行拼接，得到所述待处理字符串的最终正则表达式。

作为上述方案的改进，当所述选择子串的类型为所述非期望获取子串时，所述待拼接正则表达式生成策略包括：

判断所述第一子串是否为空，若是，将所述选择子串作为待拼接正则表达式，否则，根据预设的第一规则生成待拼接正则表达式。

作为上述方案的改进，所述根据预设的第一规则生成待拼接正则表达式，包括：

获取所述第一子串中的尾字符，将所述尾字符作为第一分隔符，计算所述第一分隔符在所述第一子串中出现的次数n；

将非所述第一分隔符的通配符与所述第一分隔符作为第三子串，获取限定n次的所述第三子串，以将限定n次的所述第三子串作为待拼接正则表达式。

作为上述方案的改进，当所述选择子串的类型为所述期望获取子串时，所述待拼接正则表达式生成策略包括：

获取所述第二子串的首字符，并将所述首字符作为第二分隔符；

判断所述选择子串中是否包含所述第二分隔符，若否，将非所述第二分隔符的通配符和第二分隔符依次进行拼接，得到第一拼接子串，以将所述第一拼接子串作为待拼接正则表达式，否则，根据预设的第二规则生成待拼接正则表达式。

作为上述方案的改进，所述根据预设的第二规则生成待拼接正则表达式，包括：

计算所述第二分隔符在所述选择子串中出现的次数i；