对step文件进行信息抽取算法
任务描述：给定一个step文件，对该文件的字符串进行信息抽取，结构化的组织文件描述模型的数据。形成抽象化数据结构，存入计算机数据库。并能按照有条理结构把这些数据展示出来。
信息抽取的结果描述：
1 数据结构：
以key-value键值对形式将step文件描述的信息抽取并组织起来。
具体的，在java当中使用javabean技术，以类的嵌套的方式实现这种数据结构。
2 结果展示：
将javabean转换成json并格式化打印出来，查看转化结果是否正确。
3 存储：
将javabean的实例化对象映射为mysql中的数据库表。
信息抽取的方法描述： 团队商讨，编写一套算法来实现对step文件的抽取。
step文件信息抽取算法（伪代码流程）：
输入： step文件
输出： 键值对数据结构(字典、或hashtable、或hashmap、或javabean对象) 和 json格式打印输出
1 读取step文件，整个文件存为字符串s
2 删除s的开头的 "ISO-10303-21\n" 和最后的 "END-ISO-10303-21\n"
3 搜索s，将 “HEADER\n“ 和在此之后第一个“ENDSEC\n“ 中间的部分，存为字符串header
4 搜索s，将 "DATA\n" 和在此之后第一个"ENDSEC\n"中间的部分，存为字符串data
5 声明一个key-value类型变量step_root，用于存储整个模型信息
（下面开始处理header部分）
6 声明一个key-value类型变量header_root，用于存储header部分的结构化信息
7 将header字符串按照 行 \n进行切分 header.split("\n") ， 将所有行存为一个数组（ArrayList） header_list， 每个元素是一行
8 for line in header_list: （对header中的每一行字符串line， 做如下操作）
9 对字符串line，搜索第一个左括号(, 将第一个左括号( 左侧的英文串作为key，
10 包含该左括号一直到最右侧分号之前的右括号）为止的字符串作为value
11 将key value 添加到header_root中
12 将"header"作为key， header_root作为value， 添加到step_root中
(下面是对data部分处理)
13 声明一个key-value类型变量data_root 用于存储data部分的结构化数据
14 将data按照一行\n进行切分 data.split("\n"), 并存入一个数组(ArrayList) data_list, 每个元素是一行
15 声明一个key-value类型变量 data_lines 用于映射实体 每一行的编号(实体表示) 和 对应属性
16 for line in data_list: （对于data中的每一行做如下操作：）
17 对line按照 = 进行切分， 左侧 #数字 作为key， 右侧去掉; 作为value
18 将key value 添加到data_lines 当中
19 while data_lines 不为空：
20 从data_lines中取出最先添加进来的键值对num-line，并在data_lines中删除这个键值对
21 对line部分搜索第一个左括号(，第一个左括号左侧部分的英文串作为key
22 第一个左括号和最后一个右括号之间的字符串存为临时字符串tmp
23 声明一个可变类型数组list作为value， 稍后将值加入list
24 对tmp按照逗号,进行切分 tmp.split(",") 并把每一项存入list中
25 for cur in list: (拿出list的每一项cur进行检查：)
26 如果cur是能匹配成 #数字 的规则:
27 调用子算法 构造子实体 算法, 将cur和data_lines传入，拿到返回值res，
28 将list中的cur位置替换为res
29 将key，value加入到data_root中
30 将"data"作为key， data_root作为value，添加到step_root中
31 将step_root转换json字符串step_json
32 返回step_root 并 打印输出step_json
子算法： 构造子实体 算法（伪代码流程）：
输入： 字符串cur， key-value类型 data_lines
输出： key-value类型 res
1 声明一个key-value类型变量res
2 在data_lines中用cur当作键来查找得到值tmp
3 从data_lines中删除这对键值对cur-tmp
4 对tmp搜索第一个出现左括号的位置，将第一个左括号左侧的英文串当做key
5 对tmp第一个左括号和最后一个右括号之间的字符串存为line
6 声明一个可变类型列表ArrayList变量list作为value，稍后加入元素
7 对line按照逗号,切分 line.split(",") 并把每一项加入list中
8 for s in list: 对list中的每一项做检查:
9 如果 s 能匹配 #数字 这种规则:
10 调用 构造子实体算法，传入s和data_lines， 拿到返回值res_tmp
11 将list中s对应的位置替换成res_tmp
12 将key，value添加到res当中
13 返回res
附上一段python实现的demo
1 def get_info(start, lines): 2 res = {} 3 tmp = lines[start] 4 lines.pop(start) 5 cut_position = tmp.find("(") 6 k, v = tmp[:cut_position], tmp[cut_position+1:-2].split(",") 7 for i, vv in enumerate(v): 8 v[i] = vv.strip() 9 if v[i].startswith("#"): 10 v[i] = get_info(v[i], lines) 11 res[k] = v 12 return res 13 14 if __name__ == '__main__': 15 s = """ 16 #1 = aa('',12,45,#2); 17 #2 = bb('',55, #3,33); 18 #3 = cc('', 234,jjj); 19 """ 20 lines = {} # 存放 #num 和右侧的映射关系 21 s = s.strip().split("\n") 22 for tmp in s: 23 tmp = tmp.split("=") 24 k = tmp[0].strip() 25 v = tmp[1].strip() 26 lines[k] = v 27 res = get_info("#1", lines) 28 print(res)
运行结果：
{'aa': ["''", '12', '45', {'bb': ["''", '55', {'cc': ["''", '234', 'jjj']}, '33']}]}
