计算机是否可以通过用户提供的示例"学习"正则表达式？

计算机是否可以通过用户提供的示例"学习"正则表达式？

澄清:

我不是想学正则表达式.

我想创建一个程序,通过从用户交互提供的示例"学习"正则表达式,可能是从文本中选择部分或选择开始或结束标记.

可能吗？我可以使用Google的算法,关键字等吗？

编辑:谢谢你的答案,但我对提供此功能的工具不感兴趣.我正在寻找理论信息,如论文,教程,源代码,算法名称,所以我可以为自己创造一些东西.

" 计算学习理论导论 "一书包含了一种学习有限自动机的算法.由于每种常规语言都等同于有限自动机,因此可以通过程序学习一些正则表达式.Kearns和Valiant展示了一些无法学习有限自动机的情况.一个相关的问题是学习隐马尔可夫模型,它是可以描述字符序列的概率自动机.请注意,编程语言中使用的大多数现代"正则表达式"实际上比常规语言更强大,因此有时难以学习.

是的,有可能,我们可以从示例生成正则表达式(文本 - >所需的提取).这是一个有效的在线工具:http://regex.inginf.units.it/

Regex Generator ++在线工具使用GP搜索算法从提供的示例生成正则表达式.GP算法由多目标适应性驱动,这导致更高的性能和更简单的解决方案结构(Occam的Razor).该工具是Trieste Univeristy(Universitàdeglistudi di Trieste)的机器工程实验室的一个演示应用程序.请在这里查看视频教程.

这是一个研究项目,因此您可以在此处阅读使用过的算法.

看哪!:-)

当且仅当提供的示例很好地描述问题时,才能从示例中找到有意义的正则表达式/解决方案.考虑这些描述提取任务的示例,我们正在寻找特定的项目代码; 示例是文本/提取对:

"The product code il 467-345A" -> "467-345A"
"The item 789-345B is broken"  -> "789-345B"

一个(人)看着这些例子,可能会说:"项目代码是像\ d ++ - 345 [AB]这样的东西."

当项目代码更宽松但我们没有提供其他示例时,我们没有证据可以很好地理解问题.将人类生成的解决方案\ d ++ - 345 [AB]应用于以下文本时,它将失败:

"On the back of the item there is a code: 966-347Z"

您必须提供其他示例,以便更好地描述匹配内容以及不匹配的内容: - ie:

"My phone is +39-128-3905 , and the phone product id is 966-347Z" -> "966-347Z"

电话号码不是产品ID,这可能是一个重要的证明.

任何计算机程序都无法仅根据有效匹配列表生成有意义的正则表达式.让我告诉你原因.

假设您提供示例111111和999999,如果计算机生成:

一个正则表达式恰好匹配这两个例子: (111111|999999)

匹配6个相同数字的正则表达式 (\d)\1{5}

正则表达式匹配6个和9个 [19]{6}

匹配任何6位数的正则表达式 \d{6}

以上三种中的任何一种,具有字边界,例如 \b\d{6}\b

前三个中的任何一个,不在数字之前或之后,例如 (?

string MakeRegexFromExamples(, )
{
   if HasIntersection(, )
     return 

   string regex = "";
   foreach(string example in )
   {
      if(regex != "")
      {
         regex += "|";
      }
      regex += DoRegexEscaping(example);
   }
   regex = "^(" + regex + ")$";

   // Ignore ; they're excluded by definition

   return regex;
}