一种用识别关键字的正则表达的生成方法技术

本发明专利技术公开了一种用识别关键字的正则表达的生成方法，属于数据处理技术领域，包括以下步骤：

【技术实现步骤摘要】
一种用识别关键字的正则表达的生成方法


[0001]本专利技术涉及数据处理
，特别涉及一种用识别关键字的正则表达的生成方法
。

技术介绍

[0002]在
java
语言中，目前会通过一段正则表达式去识别一段文本中的一些关键字，比如想识别
dao
层的方法名中，是否有以下关键字：
selectAll、selectCount、selectOne、selectByExample、selectCountByExample、selectByExampleAndRowBounds、selectByRowBounds
和
select
，通常程序员会为此类业务写如下的正则表达式：“selectAll|selectCount|selectOne|selectByExample|selectCountByExample|selectBy ExampleAndRowBounds|selectByRowBounds|select”，这种方式会存在以下两个问题：
[0003]1.
如图1所示，该方式的匹配方式是每个单词逐一匹配，就会导致关键字识别率不高；
2.
如图2所示，以以上的正则表达式为例，其难以精确匹配到“selectByExampleAndRowBounds”这个关键字，输入的单词“selectByExampleAndRowBounds”的“selectByExample”部分，会先匹配到关键字“selectByExample”，而导致该单词永远无法匹配到“selectByExampleAndRowBounds”这个关键字，从而出现匹配有错漏的情况
。

技术实现思路

[0004]为了克服现有技术存在的缺陷，本专利技术提供一种用识别关键字的正则表达的生成方法，以解决上述的问题
。
[0005]本专利技术解决其技术问题所采用的技术方案是：一种用识别关键字的正则表达的生成方法，包括以下步骤：
[0006]S1
：获取输入到关键字列表
keywords
的关键字，并生成树形数据结构；
[0007]S2
：根据树形数据结构生成正则表达式
。
[0008]值得说明的是，所述步骤
S1
中树形数据结构的生成过程包括：
[0009]S11
：初始化一个树节点作为树的根节点
root
；以及初始化处理字符数
charNum
，使
charNum
＝1；
[0010]S12
：遍历关键词列表
keywords
，获取关键字，并将当前的关键字的字符长度与
charNum
比较；
[0011]若当前的关键字的字符长度小于
charNum
，则将当前的关键字从关键词列表
keywords
中移除，并在关键字的结尾加上
#end#
作为关键字片段
wordpice
加入到关键字片段集合
wordpiceSet
中；否则将当前的关键字在正序下的前
charNum
个字符作为关键字片段加入到关键字片段集合
wordpiceSet
中；
[0012]S13
：判断当前的字符数
charNum
是否为1，若是则执行步骤
S14
，若否则执行步骤
S15
；
[0013]S14
：将关键字片段集合
wordpiceSet
中每个关键字片段
wordpice
都在根节点
root
中创建对应的子节点，然后将字符数
charNum
加1后执行步骤
S12
；
[0014]S15
：遍历关键字片段集合
wordpiceSet
，获取关键字片段集合
wordpiceSet
中的关键字片段
wordpice
；
[0015]从根节点
root
开始，查找根节点
root
的子节点总文本
node Text
来前缀匹配关键字片段
wordpice
，然后按当前节点的文本
node Text
的字符长度截断匹配到的关键字片段
wordpice
，保留的该关键字片段
wordpice
的字符长度等于当前节点的文本
node Text
的字符长度的部分，以及得到该关键字片段
wordpice
超出当前节点的文本
node Text
的字符长度的剩余部分并覆盖更新关键字片段
wordpice
得到新的关键字片段
wordpice
；
[0016]更新后的关键字片段
wordpice
根据下一级子节点的文本
node Text
的字符长度截断，保留更新后关键字片段
wordpice
的字符长度等于该下一级子节点的文本
node Text
的字符长度的部分，以及得到更新后关键字片段
wordpice
超出下一级子节点的文本
node Text
的字符长度的剩余部分并覆盖更新关键字片段
wordpice
得到新的关键字片段
wordpice
；重复执行匹配直到找到该关键字片段
wordpice
的所有叶子节点为止；然后将字符数
charNum
加1后执行步骤
S12。
[0017]可选的，在所述步骤
S16
中，当下一级子节点的文本
node Text
前缀匹配到键字片段
wordpice
的剩余部分，且关键字片段
wordpice
的剩余部分的结尾后有
#end#
时，则在该关键字片段
wordpice
所属的最后的一个节点后增加一个包含有
#end#
的子节点；然后将字符数
charNum
加1后执行步骤
S12。
[0018]优选的，在所述步骤
S16
中，当下一级子节点的文本
node Text
能前缀匹配到关键字片段
wordpice
的剩余部分的前
n
‑1个字符时，则将该关键字片段
wordpice
所属的最后的一个节点的内容覆盖最后的一个节点的文本
node Text
，其中
n
为关键字片段
wordpice...

【技术保护点】

【技术特征摘要】
1.
一种用识别关键字的正则表达的生成方法，其特征在于，包括以下步骤：
S1
：获取输入到关键字列表
keywords
的关键字，并生成树形数据结构；
S2
：根据树形数据结构生成正则表达式
。2.
根据权利要求1所述的一种用识别关键字的正则表达的生成方法，其特征在于，所述步骤
S1
中树形数据结构的生成过程包括：
S11
：初始化一个树节点作为树的根节点
root
；以及初始化处理字符数
charNum
，使
charNum
＝1；
S12
：遍历关键词列表
keywords
，获取关键字，并将当前的关键字的字符长度与
charNum
比较；若当前的关键字的字符长度小于
charNum
，则将当前的关键字从关键词列表
keywords
中移除，并在关键字的结尾加上
#end#
作为关键字片段
wordpice
加入到关键字片段集合
wordpiceSet
中；否则将当前的关键字在正序下的前
charNum
个字符作为关键字片段加入到关键字片段集合
wordpiceSet
中；
S13
：判断当前的字符数
charNum
是否为1，若是则执行步骤
S14
，若否则执行步骤
S15
；
S14
：将关键字片段集合
wordpiceSet
中每个关键字片段
wordpice
都在根节点
root
中创建对应的子节点，然后将字符数
charNum
加1后执行步骤
S12
；
S15
：遍历关键字片段集合
wordpiceSet
，获取关键字片段集合
wordpiceSet
中的关键字片段
wordpice
；从根节点
root
开始，查找根节点
root
的子节点总文本
node Text
来前缀匹配关键字片段
wordpice
，然后按当前节点的文本
node Text
的字符长度截断匹配到的关键字片段
wordpice
，保留的该关键字片段
wordpice
的字符长度等于当前节点的文本
node Text
的字符长度的部分，以及得到该关键字片段
wordpice
超出当前节点的文本
node Text
的字符长度的剩余部分并覆盖更新关键字片段
wordpice
得到新的关键字片段
wordpice
；更新后的关键字片段
wordpice
根据下一级子节点的文本
node Text
的字符长度截断，保留更新后关键字片段
wordpice
的字符长度等于该下一级子节点的文本
node Text
的字符长度的部分，以及得到更新后关键字片段
wordpice
超出下一级子节点的文本
node Text
的字符长度的剩余部分并覆盖更新关键字片段
wordpice
得到新的关键字片段
wordpice
；重复执行匹配直到找到该关键字片段
wordpice
的所有叶子节点为止；然后将字符数
charNum
加1后执行步骤

【专利技术属性】
技术研发人员：李宝君，何玉华，
申请(专利权)人：全通金信控股广东有限公司，
类型：发明
国别省市：