正则表达式及其在信息抽取中的应用.pdfVIP

E-maih ISSN1009—3044 jslt@eeec．net．cn and ComputerKnow^edgeTechnokxjy电冀知识与技术 Tel：+86—551-56909635690964 V01．5，No．15，May2009，PP．3867-3868 正则表达式及其在信息抽取中的应用 张静．张妍 (唐山师范学院教务处，河北唐山063000) 摘要：正则表达式是对一类字符串共性描述的规则，提供了一种从字符集合中搜寻特定字符串的机刺。信息抽取的主要功能是从文 本中抽取出特定的事实信，E-(factual 绍了正剐表达式理论以及在信息抽取中的应用。 关键词：正则表达式；信息抽取 中图分类号：TP311文献标识码：A 文章编号：1009-3044(2009)15—3867—砣 and inInformationExtraction RegularExpressionApplication ZHANG Yan Jing，ZHANG of teachers Tangshan063000，China) (DepartmentTeachingAdministration，Tangsltancollege，Hebei istherotesof withcoInnqon amethodhowtosearch strings provides especialstrings Abstract：Regularexpression describing property．It in胁 set functionofinformationextractionistOextractfactualinformationfromtextdocument．This fromthe of main Paper strings．The the andlaw for howtouse ex- ducedthe of take webdocumentdocument regular example，demomtratedrcgular theory expression，and toextractfactualinformationfromteXtdocument． pression extraction Keywords：regularexpression；information l引言 因特网已经成为人们获取知识的不可或缺的手段。而因特网信息的表现形式大多为半结构化的文本，降低了信息的利用率，经 过十几年的发展，形成了以搜索引擎为代表的信息检索技术。初步解决了信息检索问题。人们信息抽取技术就是将获取的信息根据 预先定义的模板，从文本抽取特定的信息，形成结构化的数据，帮助对信息内容进行分析和整理，因此信息抽取技术成为网络信息 处理中的新的研究热点。 正则表达式是对一类字符串共性描述的规则。提供了一种从字符集合中搜寻特定字符串的机制。本文以抽取电子文档的主要 信息为例．分绍了正则表达式及其在信息抽取中的应用。 2正则表达式 正则表达式由美国数学家stephen 用Ken ThompSOIl的计算搜索算法的一些早期研究。正则表达式的第一个实用应用程序就是Unix中的qed编辑器。 正