正则表达式在中医文献研究中的应用初探

括 出其共 有 的特 征 ， 即掌 握 了该 事 物 的模 式 ， 有 可 能构 建 概 念， 要 的信 息 源 。本 文就 以提 取 该 库 中便 秘 方 剂 的 药 名 为例 ， 论 才 讨
并在概念的基础上通过逻辑来进行推理和判断。可 以说 “ 模式 ” 是思考和描述的基础， 因此它于 自然语言中无所不在 。
示 处方用药， “ 如 熟地 八两 ”等等。不仅如此， 在这些模式之 外， 医案 中还 常加标示词， 形成模式嵌套， 以进一步 明确语意， 如 “ 辨证 ： ”标 示紧 随其后的文字表示证型，“ 治以”标示其后
是 治 法 ，“ 方 ： 处 ”表 示 其 后 为 用 药 。
献研究不可多得 的辅助工具。故撰文于此， 以飨 同道 。
・
９ ・ ８
Ｃ ｎｅ ｅ ｏ ｒ ａｌ ｆ ｎｆ ｍａｔ ｏｎ ｉ ＣＭ ｈｉ ｓ Ｊ ｕ ｎ ｏ Ｉ ｏｒ ｉ ｏｌ Ｔ
Ｍａ ．２ １ Ｖ ． ７ ｏ． ｒ ０ ０ ｏ１ １ Ｎ ３
正则表达式在 中医文献研究 中的应用初探
王志 飞 ， 李晓君 郭 霞珍 张德政 ， ，
（． 京 中 医 药大 学 ， 京 １０ ２ ：２ 北 京 科 技 大 学， 京 １０ ８ ） １北 北 ００９ ． 北 ０ ０３
关键词：正则表达式；中医文 献； 自然百度文库 言理解
中图分类号 ：Ｒ —５ ２０ 文献标识码 ：Ｃ 文章编号 ：１０ —３ ４２ １）３０ ９ —２ ０ ５５０ （０ ００ —０ ８０
查询中国方剂数据库， 关键词为 “ 便秘”， 查询字段为 “ 主 治 ”， 回 ５ ８首方剂。用 “ 返 ９ 套录”的方法批量下载方剂， 将所
１ 正 则表 达 式 正 则 表 达 式 （ｅｕ ａ ｘ ｒ ｓ ｉｎ 是 广 泛 应 用 于 信 息 技 Ｒ ｇ ｌ ｒ Ｅ ｐ ｅ ｓｏ ） 术 领域 的文 本 处 理 工 具 ， 有 强 大 、便 捷 、 高 效 的特 点 。 正则 具
中医文献资料 的这些特点， 为正则表达式 的应用提供 了条
修整等操作 。
“ 式 ” 一类 事物 的共 有特 征 ， 正 则表 达 式 的强 大之 处 模 是 而 正 是 在于 其对 模 式 的表 达 。“ 式 ” 人 们思 考 问题 和 描述 事 物 模 是
时 不 可或 缺 的逻 辑 工 具 ， 有对 某 一类 事 物 有 了深 入 的认 识， 只 概
３ 正 则 表 达 式应 用 举 例 中 国 方 剂 数 据 库 是 由 中 国 中 医 科 学 院研 制 的 大 型 文 献 型
数据库， 收录 了来 自 ７０余种古籍及现代文献中的古今方剂 共 １
８ ６ ４ ４首 。 该 数据 库 提 供 网络 查 询 服 务 ， 中医 文献 研 究 中重 ４ 是 正 则 表 达 式 在 中 医文 献 研 究 中 的 应 用 。
未 做 明确 规 定 ， 是 中 医文 献 自然 而 然 地遵 循 了一 种 半 结 构 化 但
中 医文 献 浩 如 烟 海 ，《 国 中医 古 籍 总 目》收 录 １４ 中 ９ ９年 以
前 的中医古籍， 总数达到 １ ４ ５种 ； ３５ 解放后， 随着中医学的发 展， 中医文献资料更 是日渐增多。 庞大规模的资料， 为中医文献 研 究提 供 了丰 富的 内容 ， 同时也 决定 了其研 究任 务的繁重 但
性 。 面对 这 种 情 况 ， 有 寻 找 一 种 能 够 从 海 量文 献 中抽 取 有 用 只 信 息 的 辅 助 工 具 ， 文 献 研 究 化 繁 为 简， 能 有 效 地 扩 大 文 献 将 才 利用 的规 模 ， 而 提 高 研 究 结 果 的 精确 度 和 可 信 度 。笔 者 实 践 从 发 现 ， 则表 达 式 正 是 这 样 一 种 可 以方便 地 从 海 量 中医 文 献 中 正 抽 取特 定信 息 的 工 具 ， 且 具 有 简 单 易 学 的特 点 ， 为 中 医 文 并 实
事物 的模 式 ， 自然 语 言 中往 往 通 过 特 定 的语 言模 式 表 示 在 出来 。比如 “××是 × × ”， 即通 过 “ 名词 ｌ 是 ＋名 词 ２ ＋ ”的 语 言模 式 来表 示 “ 词 ２ 名 ”对 “ 词 １ 名 ”属 性 的说 明 。一 般 而 言， 字 表 达 比语 言 更偏 重 于 对 模 式 的应 用 ， 文 因此 文本 往 往 表 现 出更 为 规 范 和密 集 的模 式 ， 有利 于发 挥 正 则 表 达 式 的 作 用， 更 而 这 一特 点， 中 医文 本 中表 现 得 尤 为突 出 。 在
件。 因此 ， 制 合 适 的正 则 表 达 式 ， 以一 次 性提 取 大 量 文 献 中 编 可 的 有 用 信 息 ， 而 大 大 节 省 文 献 研 究 的人 力 ， 高 结 果 的准 确 从 提
度 和可 信 度 。
表达式是一种十分简 单的程序 语言， 专门用 以表示模式， 即文
本 构成 的某 种 规 则 。 此 基础 上， 合 特 定 工具 所 提 供 的 支 持 ， 在 配 正 则表 达 式 可 以对 文本 进 行 添 加 、删 除 、分 离 、叠 加 、 插 入 、
的文本组织方式， 即更 多地运用 “ 模式”来表达语意 。这就使 得文本中的有用 信息可 以通过某种模式被唯一地辨识出来 。 例 如医案中常以“ ＋左 （ ” 姓 右） 的模式来表 示一个患者及 其姓名、
性 别 ， “ 左 ” 表 示 一 个 姓 张 的男 性 患 者 ；以 “ 如 张 ， 部位 ＋描 述 ” 来 表示 一个 症 状 ， “ 痛 ” 腹 胀 ”， 中 “ 位 ”又 可 以省 如 头 、“ 其 部 略 ， “ 力 ”等 ； 以脏 、腑 、气 、血 、津 液 与 八 纲 相互 组 合 如 乏 表 示 一个 证 型 ， “ 阳虚 ” 如 肾 ；以 “ ＋数 词 ＋量 词 ”的模 式 表 词