淺析正則表達(dá)式在教材信息收集中的應(yīng)用

梁小鷗+楊詠

摘要：正則表達(dá)式在許多領(lǐng)域有廣泛的應(yīng)用，而用于教材信息的收集中的情況較少。該文針對(duì)教材管理過程中的教材信息收集、教材征訂環(huán)節(jié)開發(fā)出教材信息收集系統(tǒng)，其中可以利用正則表達(dá)式抓取購書網(wǎng)站上的教材信息，從而確保數(shù)據(jù)的有效性，提高工作效率。

關(guān)鍵詞：正則表達(dá)式；教材；信息收集

中圖分類號(hào)：G642 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）16-0156-02

1 概述

近年來，隨著高校招生規(guī)模的不斷擴(kuò)大，教學(xué)改革的不斷深入，教學(xué)管理系統(tǒng)建設(shè)成為各高校信息化建設(shè)的核心。教材管理是教務(wù)管理中的一個(gè)重要環(huán)節(jié)，教材征訂、教材統(tǒng)計(jì)等成為了艱巨而繁瑣的工作，教材管理的系統(tǒng)化是教學(xué)管理人員的迫切需求。目前市面上很多的教學(xué)管理軟件都有涉及教材的管理，針對(duì)教材統(tǒng)計(jì)都有相應(yīng)的功能模塊，但普遍存在一個(gè)技術(shù)瓶頸——教材信息庫無法滿足實(shí)時(shí)更新的需求。

當(dāng)教材管理系統(tǒng)中的教材數(shù)據(jù)庫無法提供教師所需征訂的教材信息時(shí)，則需教師手動(dòng)輸入教材基本數(shù)據(jù)。然而教材基本信息內(nèi)容較多，人工錄入教材信息工作效率較低，系統(tǒng)難以確保準(zhǔn)確性。本文就現(xiàn)有的教材管理系統(tǒng)中的瓶頸問題——教材信息采集進(jìn)行研究，開發(fā)出了教材信息收集系統(tǒng)，找到解決教材基本信息規(guī)范采集的方法，同時(shí)精簡教師錄入征訂教材的操作步驟。

2 教材信息采集系統(tǒng)設(shè)計(jì)思路

本系統(tǒng)通過教學(xué)任務(wù)關(guān)聯(lián)教材征訂，在教材征訂環(huán)節(jié)，除了擁有本地查詢教材信息，手動(dòng)添加教材信息的功能外，還借助成熟的購書網(wǎng)站（如當(dāng)當(dāng)網(wǎng)）實(shí)時(shí)更新的書籍信息庫進(jìn)行教材的查詢、選用。任課教師在購書網(wǎng)站查找到所需教材，進(jìn)入該教材的詳細(xì)介紹頁面，并將此頁面的URL在系統(tǒng)中進(jìn)行提交，系統(tǒng)獲取到指定網(wǎng)頁的所有信息，結(jié)合正則表達(dá)式提取有用的教材數(shù)據(jù)：教材名稱、作者、出版社、ISBN等，并存入教材數(shù)據(jù)庫，從而確保了教師錄入的數(shù)據(jù)有效性、完整性和準(zhǔn)確性，提高了錄入教材信息的效率。

3 相關(guān)技術(shù)

什么是正則表達(dá)式？正則表達(dá)式（Regular Expression）是定義一組字符串的一系列字符和符號(hào)，從而快速方便地實(shí)現(xiàn)字符串的模式匹配，以及對(duì)輸入域中的值進(jìn)行數(shù)據(jù)驗(yàn)證。

由于PHP擁有強(qiáng)大的功能，支持多種數(shù)據(jù)庫，因此筆者選用PHP及其內(nèi)置函數(shù)進(jìn)行編程，實(shí)現(xiàn)教材管理中的教材信息收集功能。系統(tǒng)設(shè)計(jì)通過URL抓取網(wǎng)頁內(nèi)容，作者經(jīng)過對(duì)PHP幾種常用的抓取網(wǎng)頁內(nèi)容的方法（Curl、fopen、file_get_contents）進(jìn)行對(duì)比，最終選用性能較高的Curl方法來訪問、抓取網(wǎng)頁。Curl是一個(gè)利用URL語法規(guī)定來傳輸文件和數(shù)據(jù)的工具，支持多種協(xié)議，如HTTP、FTP、TELNET等。系統(tǒng)建立CURL請求的基本步驟：

$url=@$_POST['url']；//獲取提交的URL。

$ch = curl_init（）； //初始化curl_init（）。

curl_setopt （$ch， CURLOPT_URL， $url）； //PHP取回的URL地址作為字符串。

curl_setopt （$ch， CURLOPT_RETURNTRANSFER， 1）； //如果獲取URL成功只將結(jié)果返回$ch，不自動(dòng)輸出任何內(nèi)容，如果失敗返回FALSE。

curl_setopt （$ch， CURLOPT_CONNECTTIMEOUT，10）； //設(shè)置連接等待時(shí)間，當(dāng)前等待10秒。

$content = curl_exec（$ch）；//執(zhí)行并獲取結(jié)果。

獲取URL指定網(wǎng)頁的內(nèi)容后，作者利用正則表達(dá)式使用一系列的特殊字符構(gòu)建匹配模式，然后把匹配模式與網(wǎng)頁內(nèi)容進(jìn)行比較，過濾得出教材的基本信息。通過對(duì)購書網(wǎng)站中書籍產(chǎn)品頁面源代碼的查看，得知頁面的meta標(biāo)簽中都有包含所介紹書籍的名稱、ISBN號(hào)、出版社的信息，使用變量$metaskey存放書籍基本信息的meta標(biāo)簽內(nèi)容，利用explode切開meta標(biāo)簽中“，”左右的字符串，trim去掉字符序列左邊和右邊的空格，通過array_map返回用戶自定義函數(shù)作用后的數(shù)組，再用array_filter回調(diào)函數(shù)過濾數(shù)組中的元素。

將meta中的關(guān)鍵字進(jìn)行截?。?/p>

array_filter（array_map（'trim'，explode（'，'，$metaskey）））；

然而meta中的信息并不完整，個(gè)別字段如作者姓名和出版時(shí)間并不包含在其中，而是存在于網(wǎng)頁的正文。面對(duì)網(wǎng)頁正文中上千行代碼，作者使用正則表達(dá)式通過設(shè)置關(guān)鍵字進(jìn)行正則匹配，能夠快速提取出相關(guān)數(shù)據(jù)。以出版時(shí)間為例，在網(wǎng)頁中“出版時(shí)間”所在的代碼段為：“出版時(shí)間：2015-4-1”，因此正則表達(dá)式則可定為：（？<=出版時(shí)間：）.*？（？=<），表示匹配在第一次出現(xiàn)“出版時(shí)間：”字樣后直到出現(xiàn)第一個(gè)“<”符號(hào)中間的內(nèi)容（不包含“出版時(shí)間：”和“<”）。

4前期數(shù)據(jù)準(zhǔn)備工作

教材信息收集主要使用三個(gè)數(shù)據(jù)表：教材信息表、教學(xué)任務(wù)表和教材征訂表。教材信息表保存教材的基本信息：教材名稱、作者、出版社、ISBN等；教學(xué)任務(wù)表中指定每個(gè)學(xué)期各專業(yè)班級(jí)所開設(shè)的課程信息、任課教師等；教材征訂表則主要存放每條教學(xué)任務(wù)中對(duì)應(yīng)教材的基本信息。

5教材信息采集系統(tǒng)的實(shí)施

任課教師登錄進(jìn)入系統(tǒng)，查看到自己的教學(xué)任務(wù)信息，通過對(duì)教學(xué)任務(wù)課程的點(diǎn)擊進(jìn)入到教材征訂界面，對(duì)所授課程的教材進(jìn)行征訂，并將結(jié)果顯示在網(wǎng)頁中供任課教師確認(rèn)或修改。教材管理人員即可在后臺(tái)導(dǎo)出所有教材征訂的精準(zhǔn)信息，以便后續(xù)的統(tǒng)計(jì)、匯總工作。

教材征訂途徑有三種：一、使用系統(tǒng)教材庫中已經(jīng)存在的教材信息，通過本地查詢找出所需教材進(jìn)行選用征訂。二、當(dāng)教材庫中沒有該教材信息，則可以通過表單填寫教材信息，系統(tǒng)將填入的數(shù)據(jù)進(jìn)行規(guī)范校驗(yàn)，同時(shí)保存相關(guān)數(shù)據(jù)至教材信息表，教材征訂表。三、借助成熟的購書網(wǎng)站（如當(dāng)當(dāng)網(wǎng)）進(jìn)行教材的選用，任課教師查找到該教材的詳細(xì)介紹頁面，并將此頁面的URL作為教材信息在系統(tǒng)中填報(bào)，系統(tǒng)自動(dòng)將提取出的教材基本信息完成教材征訂，并將最新數(shù)據(jù)存入數(shù)據(jù)庫。通過以上三種途徑確保教材征訂時(shí)的數(shù)據(jù)有效性、完整性和準(zhǔn)確性。

6總結(jié)

此系統(tǒng)是基于廣東工程職業(yè)技術(shù)學(xué)院校級(jí)課題《高職院校教材管理模式信息化探索與研究》（編號(hào)：KY2014014）的研究方向，采用PHP語言編寫，結(jié)合MySQL數(shù)據(jù)庫開發(fā)的教材信息采集系統(tǒng)。該系統(tǒng)成本低、兼容性強(qiáng)，并結(jié)合我校實(shí)際情況，任課教師通過網(wǎng)頁查看教學(xué)任務(wù)的同時(shí)提交教材的征訂，操作簡單容易掌握。經(jīng)實(shí)際應(yīng)用表明，它能有效地將教學(xué)管理者從教材征訂環(huán)節(jié)的工作中解救出來，減輕他們的工作負(fù)擔(dān)，提高其工作效率，取得了課題研究預(yù)期的效果。

參考文獻(xiàn)：

[1] 胡軍偉，秦奕青，張偉.正則表達(dá)式在Web信息抽取中的應(yīng)用[J].北京信息科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2011（6）.

[2] 張靜，張妍.正則表達(dá)式及其在信息抽取中的應(yīng)用[J].電腦知識(shí)與技術(shù)，2009（15）.

[3] 黃進(jìn).校本教材在高職院校中的作用探討[J].廣東教育：職教版，2014（8）.