本技術(shù)屬于互聯(lián)網(wǎng)，尤其涉及一種正則表達(dá)式匹配方法、裝置、設(shè)備、存儲介質(zhì)及程序產(chǎn)品。

背景技術(shù)：

1、現(xiàn)有的用于文本搜索以及網(wǎng)絡(luò)數(shù)據(jù)流的規(guī)則匹配技術(shù)主要是基于正則表達(dá)式的自動機(jī)引擎技術(shù)，其核心理論基礎(chǔ)為形式化語言與自動機(jī)理論中正則表達(dá)式與自動機(jī)的等價性原理。主流實(shí)現(xiàn)方法為依據(jù)正則文法先將正則表達(dá)式解析為抽象語法樹(abstractsyntax?tree，ast)，再根據(jù)抽象語法樹構(gòu)造nfa(非確定型有窮自動機(jī)，non-deterministicfinite?automata)/dfa(確定型有窮自動機(jī)，deterministic?finite?automata)自動機(jī)引擎進(jìn)行正則表達(dá)式的匹配。此類正則表達(dá)式匹配方案在復(fù)雜重復(fù)語法等復(fù)雜正則語法場景下的匹配效率會嚴(yán)重下降。并且，上述方案實(shí)現(xiàn)主要是基于單一的自動機(jī)引擎進(jìn)行實(shí)現(xiàn)，針對不同形式的語法規(guī)則缺乏有效的針對性優(yōu)化?；诖?，業(yè)界仍然亟待一種新型的用戶正則表達(dá)式匹配方案，以在復(fù)雜語法規(guī)則場景下仍能夠?qū)崿F(xiàn)對輸入語料的快速正則表達(dá)式匹配。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供一種正則表達(dá)式匹配方法、裝置、設(shè)備、存儲介質(zhì)及程序產(chǎn)品，能夠更為快速、準(zhǔn)確地實(shí)現(xiàn)正則表達(dá)式匹配。

2、第一方面，本技術(shù)實(shí)施例提供一種正則表達(dá)式匹配方法，該正則表達(dá)式匹配方法包括：

3、基于預(yù)設(shè)字符串集合，從待匹配語料中提取出n個目標(biāo)字符串，n為正整數(shù)；預(yù)設(shè)字符串集合包括n個目標(biāo)字符串，預(yù)設(shè)字符串集合預(yù)先基于原始非確定型有窮自動機(jī)nfa狀態(tài)轉(zhuǎn)移表確定得到；原始nfa狀態(tài)轉(zhuǎn)移表預(yù)先基于正則表達(dá)式集合構(gòu)建得到；

4、基于與n個目標(biāo)字符串中各個目標(biāo)字符串對應(yīng)的局部狀態(tài)轉(zhuǎn)移表，生成與待匹配預(yù)料對應(yīng)的目標(biāo)狀態(tài)轉(zhuǎn)移表；

5、基于目標(biāo)狀態(tài)轉(zhuǎn)移表，對待匹配語料進(jìn)行正則表達(dá)式匹配，得到待匹配預(yù)料的正則表達(dá)式匹配結(jié)果；

6、其中，局部狀態(tài)轉(zhuǎn)移表為確定型有窮自動機(jī)dfa狀態(tài)轉(zhuǎn)移表或者nfa狀態(tài)轉(zhuǎn)移表；局部狀態(tài)轉(zhuǎn)移表基于原始nfa狀態(tài)轉(zhuǎn)移表壓縮得到。

7、在一些可能的實(shí)施方式中，在基于與n個目標(biāo)字符串中各個目標(biāo)字符串對應(yīng)的局部狀態(tài)轉(zhuǎn)移表，生成與待匹配預(yù)料對應(yīng)的目標(biāo)狀態(tài)轉(zhuǎn)移表之前，該正則表達(dá)式匹配方法還包括：

8、基于原始nfa狀態(tài)轉(zhuǎn)移表，確定第一目標(biāo)字符串的第一有效運(yùn)行路徑；第一目標(biāo)字符串為n個目標(biāo)字符串中的任一目標(biāo)字符串；

9、將第一有效運(yùn)行路徑確定為第一目標(biāo)字符串對應(yīng)的局部狀態(tài)轉(zhuǎn)移表。

10、在一些可能的實(shí)施方式中，基于原始nfa狀態(tài)轉(zhuǎn)移表，確定第一目標(biāo)字符串的第一有效運(yùn)行路徑，包括：

11、將第一目標(biāo)字符串在目標(biāo)原始狀態(tài)轉(zhuǎn)移表中對應(yīng)的狀態(tài)標(biāo)記為預(yù)激活狀態(tài)；目標(biāo)原始狀態(tài)轉(zhuǎn)移表為原始nfa狀態(tài)轉(zhuǎn)移表，或者，基于原始nfa狀態(tài)轉(zhuǎn)移表轉(zhuǎn)移得到的dfa狀態(tài)轉(zhuǎn)移表；

12、將目標(biāo)原始狀態(tài)轉(zhuǎn)移表中通往預(yù)激活狀態(tài)的起始狀態(tài)的路徑、以及由預(yù)激活狀態(tài)的結(jié)束狀態(tài)出發(fā)可達(dá)的路徑標(biāo)記為第一有效運(yùn)行路徑。

13、在一些可能的實(shí)施方式中，基于預(yù)設(shè)字符串集合，從待匹配語料中提取出n個目標(biāo)字符串，包括：

14、基于預(yù)設(shè)字符串集合，利用中央處理器的單指令多數(shù)據(jù)流simd指令集從待匹配語料中提取出n個目標(biāo)字符串。

15、在一些可能的實(shí)施方式中，目標(biāo)字符串為連續(xù)的、且所包含字符的數(shù)量不超過預(yù)設(shè)閾值的字符串。

16、在一些可能的實(shí)施方式中，在基于預(yù)設(shè)字符串集合，從待匹配語料中提取出n個目標(biāo)字符串之前，該正則表達(dá)式匹配方法還包括：

17、基于正則表達(dá)式集合，構(gòu)建抽象語法樹；

18、基于抽象語法樹，構(gòu)建原始nfa狀態(tài)轉(zhuǎn)移表。

19、在一些可能的實(shí)施方式中，原始nfa狀態(tài)轉(zhuǎn)移表中包括m個重復(fù)子節(jié)點(diǎn)，m為非負(fù)整數(shù)；m個重復(fù)子節(jié)點(diǎn)中的任一重復(fù)子節(jié)點(diǎn)包含一個子nfa狀態(tài)轉(zhuǎn)移表；基于抽象語法樹，構(gòu)建原始nfa狀態(tài)轉(zhuǎn)移表，包括：

20、分別將m個不同的目標(biāo)正則表達(dá)式中的重復(fù)語法部分構(gòu)建為與m個重復(fù)子節(jié)點(diǎn)一一對應(yīng)的子nfa狀態(tài)轉(zhuǎn)移表；目標(biāo)正則表達(dá)式為正則表達(dá)式集合中包括重復(fù)語法的正則表達(dá)式。

21、在一些可能的實(shí)施方式中，在基于抽象語法樹，構(gòu)建原始nfa狀態(tài)轉(zhuǎn)移表之后，該正則表達(dá)式匹配方法還包括：

22、通過對目標(biāo)原始狀態(tài)轉(zhuǎn)移表進(jìn)行圖分析，提取得到目標(biāo)原始狀態(tài)轉(zhuǎn)移表中的連續(xù)確定字符串；目標(biāo)原始狀態(tài)轉(zhuǎn)移表為原始nfa狀態(tài)轉(zhuǎn)移表，或者，基于原始nfa狀態(tài)轉(zhuǎn)移表轉(zhuǎn)移得到的dfa狀態(tài)轉(zhuǎn)移表；

23、基于目標(biāo)原始狀態(tài)轉(zhuǎn)移表中的連續(xù)確定字符串，生成預(yù)設(shè)字符串集合。

24、在一些可能的實(shí)施方式中，預(yù)設(shè)字符串集合包括第一字符串子集，以及與k個目標(biāo)重復(fù)子節(jié)點(diǎn)一一對應(yīng)的k個第二字符串子集；m個重復(fù)子節(jié)點(diǎn)中包括k個目標(biāo)重復(fù)子節(jié)點(diǎn)，目標(biāo)重復(fù)子節(jié)點(diǎn)所包含的子nfa狀態(tài)轉(zhuǎn)移表用于匹配連續(xù)確定字符串。

25、基于相同的發(fā)明構(gòu)思，第二方面，本技術(shù)實(shí)施例提供了一種正則表達(dá)式匹配裝置，該正則表達(dá)式匹配裝置包括：

26、第一提取模塊，用于基于預(yù)設(shè)字符串集合，從待匹配語料中提取出n個目標(biāo)字符串，n為正整數(shù)；預(yù)設(shè)字符串集合包括n個目標(biāo)字符串，預(yù)設(shè)字符串集合預(yù)先基于原始非確定型有窮自動機(jī)nfa狀態(tài)轉(zhuǎn)移表確定得到；原始nfa狀態(tài)轉(zhuǎn)移表預(yù)先基于正則表達(dá)式集合構(gòu)建得到；

27、第一生成模塊，用于基于與n個目標(biāo)字符串中各個目標(biāo)字符串對應(yīng)的局部狀態(tài)轉(zhuǎn)移表，生成與待匹配預(yù)料對應(yīng)的目標(biāo)狀態(tài)轉(zhuǎn)移表；

28、第一得到模塊，用于基于目標(biāo)狀態(tài)轉(zhuǎn)移表，對待匹配語料進(jìn)行正則表達(dá)式匹配，得到待匹配預(yù)料的正則表達(dá)式匹配結(jié)果；

29、其中，局部狀態(tài)轉(zhuǎn)移表為確定型有窮自動機(jī)dfa狀態(tài)轉(zhuǎn)移表或者nfa狀態(tài)轉(zhuǎn)移表；局部狀態(tài)轉(zhuǎn)移表基于原始nfa狀態(tài)轉(zhuǎn)移表壓縮得到。

30、第三方面，本技術(shù)實(shí)施例提供了一種正則表達(dá)式匹配設(shè)備，該正則表達(dá)式匹配設(shè)備包括：

31、處理器以及存儲有計算機(jī)程序指令的存儲器；

32、所述處理器執(zhí)行所述計算機(jī)程序指令時實(shí)現(xiàn)如上述本技術(shù)實(shí)施例中任意一項(xiàng)提供的正則表達(dá)式匹配方法。

33、第四方面，本技術(shù)實(shí)施例提供了一種計算機(jī)存儲介質(zhì)，該計算機(jī)可讀存儲介質(zhì)上存儲有計算機(jī)程序指令，所述計算機(jī)程序指令被處理器執(zhí)行時實(shí)現(xiàn)如上述本技術(shù)實(shí)施例中任意一項(xiàng)提供的正則表達(dá)式匹配方法。

34、第五方面，本技術(shù)實(shí)施例提供了一種計算機(jī)程序產(chǎn)品，計算機(jī)程序產(chǎn)品中的指令由電子設(shè)備的處理器執(zhí)行時，使得所述電子設(shè)備執(zhí)行如上述本技術(shù)實(shí)施例中任意一項(xiàng)提供的正則表達(dá)式匹配方法。

35、本技術(shù)實(shí)施例提供的一種正則表達(dá)式匹配方法、裝置、設(shè)備、存儲介質(zhì)及程序產(chǎn)品，通過利用預(yù)設(shè)字符串集合從待匹配語料中提取出n個目標(biāo)字符串，該預(yù)設(shè)字符串集合預(yù)先基于原始nfa狀態(tài)轉(zhuǎn)移表確定得到。然后，再基于與n個目標(biāo)字符串中各個目標(biāo)字符串對應(yīng)的局部狀態(tài)轉(zhuǎn)移表，生成與待匹配預(yù)料對應(yīng)的目標(biāo)狀態(tài)轉(zhuǎn)移表，該局部狀態(tài)轉(zhuǎn)移表基于原始nfa狀態(tài)轉(zhuǎn)移表壓縮得到。如此，基于生成的目標(biāo)狀態(tài)轉(zhuǎn)移表來對待匹配語料進(jìn)行正則表達(dá)式匹配，能夠快速匹配得到待匹配預(yù)料的正則表達(dá)式匹配結(jié)果。

36、通過上述描述可知，本技術(shù)實(shí)施例的一種正則表達(dá)式匹配方法、裝置、設(shè)備、存儲介質(zhì)及程序產(chǎn)品，通過提取待匹配語料的字符串特征，以確定待匹配語料中字符串對應(yīng)的壓縮后的局部狀態(tài)轉(zhuǎn)移表，并將局部狀態(tài)轉(zhuǎn)移表合并生成得到與待匹配語料對應(yīng)的目標(biāo)狀態(tài)轉(zhuǎn)移表，即相當(dāng)于對原始的nfa狀態(tài)轉(zhuǎn)移表先進(jìn)行動態(tài)壓縮簡化后再運(yùn)行自動機(jī)進(jìn)行正則規(guī)則的匹配，可有效降低在大量規(guī)則場景下自動機(jī)在無效狀態(tài)上跳轉(zhuǎn)的運(yùn)行時開銷，大幅提高自動機(jī)的運(yùn)行時性能，從而能夠更為快速、準(zhǔn)確地實(shí)現(xiàn)正則表達(dá)式匹配。