[发明专利]一种数据正则表达式的挖掘方法及装置

权利要求书

1.一种数据正则表达式的挖掘方法，其特征在于，所述方法包括以下步骤：

获取存储数据，并采用字典树结构存储；

根据正则表达式规则进行节点升级；

根据升级后节点的子节点个数和相同字符子节点数分别进行分支合并；

识别干扰分支，并进行分支删减；

将规则树转换成字符串格式并输出。

2.根据权利要求1所述的方法，其特征在于，所述采用字典树结构存储数据信息包括：节点字符、所有节点、字符重复次数、进入节点的数据条数及终止节点的数据条数。

3.根据权利要求1或2所述的方法，其特征在于，所述节点升级包括：

根据正则表达式规则预先制定包含字符级别和升级关系的规则表格；

根据所述规则表格进行节点升级。

4.根据权利要求1所述的方法，其特征在于，所述分支合并包括：

纵向合并和横向合并；

所述纵向合并仅当某个节点只有一个子节点，且该子节点的字符等同于父节点时进行；

所述横向合并当节点升级后某个父节点包含相同字符的子节点时进行。

5.根据权利要求1所述的方法，其特征在于，所述识别干扰分支包括：

预先设定一个阀值，阀值根据节点平均进入数和系数之乘积来确定；

如果某分支的进入记录数小于所述阀值，则判定为干扰分支。

6.根据权利要求1或5所述的方法，其特征在于，所述识别分支还包括：

如果某节点的终止记录数小于所述阀值，则判定为干扰点，应将所述节点的终止记录数设置为0。

7.一种数据正则表达式的挖掘装置，其特征在于，所述装置包括：

数据存储单元，用以采用字典树结构存储获取的数据信息；

节点升级单元，用以根据正则表达式规则进行节点升级；

分支合并单元，用以根据升级后节点的子节点个数和相同字符子节点数分别进行分支合并；

分支删减单元，用以将识别出的的干扰分支删除；

规则树输出单元，用以将规则树转换成字符串格式进行输出。

8.根据权利要求7所述的装置，其特征在于，所述数据存储单元包括：

数据存储单元存储数据信息包含节点字符、所有节点、字符重复次数、进入节点的数据条数及终止节点的数据条数。

9.根据权利要求7所述的装置，其特征在于，所述节点升级单元包括：

节点升级单元根据正则表达式规则预先制定包含字符级别和升级关系的规则表格，根据所述规则表格进行节点升级。

10.根据权利要求7所述的装置，其特征在于，所述分支合并单元包括：

所述分支合并单元仅当某个节点只有一个子节点，且该子节点的字符等同于父节点时进行纵向合并；

所述分支合并单元当节点升级后某个父节点包含相同字符的子节点时进行横向合并。