公开(公告)号：CN109977298A

公开(公告)日：2019-07-05

申请号：CN201910116717.5

申请日：2019-02-15

Applicant: 中国科学院信息工程研究所

Inventor： 卢毓海 ,  王翔 ,  刘燕兵 ,  谭建龙 ,  郭莉

IPC: G06F16/9535

Abstract: 本发明提供一种从正则表达式中抽取最长精确子串的方法，步骤包括：构造正则表达式的解析树，获得可以进行解析树遍历访问的根节点；将解析树的CONCAT路径上的CONCAT节点的边都进行切分，把解析树切分成多个子树，每个子树即为一个基本单元；新建一个节点作为精确串锚点，用以存储精确串，同时记录该精确串锚点的左右邻居，该精确串为只有单个字符的基本单元或者由连续CONCAT操作符切分的字符拼接而成；通过对精确串锚点的左邻居和右邻居分别计算后缀和前缀，通过对后缀、精确串、前缀的拼接即可得到基于该精确串锚点抽取的精确子串，再通过对所有精确串锚点的计算，得到最长精确子串。

公开(公告)号：CN109977298B

公开(公告)日：2021-07-23

申请号：CN201910116717.5

申请日：2019-02-15

Applicant: 中国科学院信息工程研究所

Inventor： 卢毓海 ,  王翔 ,  刘燕兵 ,  谭建龙 ,  郭莉

IPC: G06F16/9535

Abstract: 本发明提供一种从正则表达式中抽取最长精确子串的方法，步骤包括：构造正则表达式的解析树，获得可以进行解析树遍历访问的根节点；将解析树的CONCAT路径上的CONCAT节点的边都进行切分，把解析树切分成多个子树，每个子树即为一个基本单元；新建一个节点作为精确串锚点，用以存储精确串，同时记录该精确串锚点的左右邻居，该精确串为只有单个字符的基本单元或者由连续CONCAT操作符切分的字符拼接而成；通过对精确串锚点的左邻居和右邻居分别计算后缀和前缀，通过对后缀、精确串、前缀的拼接即可得到基于该精确串锚点抽取的精确子串，再通过对所有精确串锚点的计算，得到最长精确子串。