如何解析大学课程表中的复杂场地与规则字符串？

一、优先用正则规则匹配（适配已知格式） #

既然已经整理了所有现有格式，针对性写正则是最快的解决方式，针对你提到的三个失败案例，拆解模式后编写分层规则：

1. 逐个匹配失败案例的模式 #

• 针对313 (WEEK 1-3) / ONLINE：匹配带周范围的主备场地

  ^(\w+) \(WEEK (\d+-\d+)\) \/ (\w+)$
  

  捕获组1是主场地，组2是生效周范围，组3是备用场地。
• 针对ONLINE ON 13/09, 108 ON 01/11 (STARTS AT 9:00)：匹配多日期指定场地+时间调整

  ^((?:\w+ ON \d{2}\/\d{2},? )+)(\w+ ON \d{2}\/\d{2})(?: \((STARTS AT \d{2}:\d{2})\))?$
  

  先拆分每个场地 ON 日期单元，再提取可选的时间规则。
• 针对314 (312 ON 12/09,19/09,26/09) 301 ON 03/10：匹配嵌套日期替换的多场地

  ^(\w+) \((\w+ ON (?:\d{2}\/\d{2},?)+)\) (\w+ ON \d{2}\/\d{2})$
  

  捕获主场地、括号内的临时替换场地+日期列表、外部的另一个临时场地+日期。

2. 构建解析流程 #

• 先通过正则预匹配判断字符串属于哪种模式
• 提取对应字段后，统一转换成结构化数据，比如：

  # 示例结构化输出
  {
      "primary_location": "313",
      "valid_weeks": "1-3",
      "alternate_locations": [{"location": "ONLINE", "valid_dates": None}]
  }
  

二、用语法分析工具维护（应对格式扩展） #

如果后续格式可能新增，用pyparsing这类语法定义工具比正则更易维护：

from pyparsing import Word, nums, alphas, Suppress, Group, delimitedList, Optional

# 定义基础元素
location = Word(alphas + nums)
date = Word(nums + "/")
week_range = Suppress("WEEK") + Word(nums + "-")
time_rule = Suppress("(") + Suppress("STARTS AT") + Word(nums + ":") + Suppress(")")

# 定义三种失败案例的语法规则
week_based_rule = location + Suppress("(") + week_range + Suppress(")") + Suppress("/") + location
multi_date_rule = delimitedList(Group(location + Suppress("ON") + date)) + Optional(time_rule)
nested_date_rule = location + Suppress("(") + Group(location + Suppress("ON") + delimitedList(date)) + Suppress(")") + Group(location + Suppress("ON") + date)

# 解析示例
result = nested_date_rule.parseString("314 (312 ON 12/09,19/09,26/09) 301 ON 03/10")
print(result.asList())
# 输出: ['314', ['312', '12/09', '19/09', '26/09'], ['301', '03/10']]

新增格式时，只需扩展对应的语法规则即可，无需修改大量正则。

三、机器学习方案（处理未知格式） #

如果遇到未覆盖的新格式，可以用少量标注数据做实体提取或格式分类：

1. 自定义NER实体提取 #

用spaCy训练自定义命名实体识别模型，标注LOCATION（场地）、DATE（日期）、WEEK_RANGE（周范围）、TIME_ADJUST（时间调整）等实体，训练后直接从字符串中提取各类实体，再组合成结构化数据。

2. 格式分类+规则解析 #

用文本分类模型（比如基于BERT的轻量模型）把新字符串归类到已有的模式类别，再调用对应规则解析。只需标注少量样本即可训练，适合格式迭代快的场景。

四、测试迭代建议 #

把所有整理的格式（包括这三个失败案例）写成单元测试用例，每次调整解析逻辑后跑测试，确保覆盖所有场景；遇到新格式时，先补充规则/语法，再更新测试用例。

内容的提问来源于stack exchange，提问作者DanteTemplar