信息抽取函数
结构化抽取适用于xlsx、csv、json格式的基础数据，选择结构化抽取方式信息抽取时，可分为交互界面配置和代码编辑。
在通过结构化抽取方式进行信息抽取时，即用交互界面配置或用代码编辑进行信息抽取时，需要配置引用字段的抽取函数。
KG服务支持的信息抽取函数如表1所示。其中，“字段”表示基础数据中的字段名，在抽取函数中引用字段时，使用格式为“${字段}”，例如抽取基础数据中属性“name”的字段，在抽取函数中引用字段的格式为“trim(${name})”。
|
抽取函数 |
函数说明 |
抽取函数示例 |
抽取前数据示例 |
抽取后数据示例 |
|---|---|---|---|---|
|
trim（字段） |
裁剪字段前后的空白字符 |
trim(${name}) |
"name":" mike " |
"mike" |
|
substring (字段, int pos, int len） |
获取从该字段值第pos个字符（从0开始）开始的长度为len的子串 |
substring (${id}, 1, 6) |
"id":"a000111" |
"000111" |
|
split(字段,string pattern ) |
将字段值以pattern为分隔符分割，得到一个列表。pattern可以是一个正则表达式，所有与pattern匹配的子串都作为分隔符。 |
split(${roles}, ', ') |
"roles":"role1,role2" |
["role1", "role2"] |
|
concat（字段1,字段2, ...） |
将字段1、字段2...依次拼接成一个长字符串。此处字段值也可以是一个字符串常量。 |
concat(${name}, '--', ${id}) |
"name": "mike", "id": "a000111" |
"mike--a000111" |
|
regexp_replace（字段, string pattern, string replacement） |
将字段值中与正则表达式pattern匹配的部分替换为replacement |
regexp_replace(${info}, 'hello', 'world') |
"info":"helloworld" |
"worldworld" |
|
upper（字段） |
将字段中英文字母全部转为大写 |
upper(${name}) |
"name":"mike" |
"MIKE" |
|
lower（字段） |
将字段中英文字母全部转为小写 |
lower(${name}) |
"name":"JOHN" |
"john" |
|
initcap（字段） |
将字段中英文首字母转为大写 |
initcap(${city}) |
"city":"hangzhou" |
"Hangzhou" |
|
coalesce（字段1,字段2, ...） |
返回字段1,字段2, ...中第一个不为空的字段 |
coalesce(${name},${名字}, ${中文名} ...) |
"name":" ", "名字":" ", "中文名”:"小明” |
“小明” |
|
parse_array（字段） |
尝试将字段值解析为一个列表 |
parse_array(${list}) |
"list":["item1","item2"] |
['item1','item2'] |
|
array_get（字段, int index） |
获取列表类型的字段中的第index个值（index从0开始） |
array_get(parse_array(${list}), 0) |
"list":["item1","item2"] |
"item1" |
|
regexp_extract_all（字段, string pattern, int index） |
提取出字段值中与正则表达式pattern匹配的子串。第三个参数index为可选参数，表示获取正则表达式匹配到的第index个捕获组。注意，index=0表示返回整个匹配的子串，index=1表示返回第一个捕获组。 |
regexp_extract_all（${info}, '(he)ll(o)', 1） |
"info":"helloworld" |
"he" |
