[發(fā)明專利]一種文檔結構的分析方法和裝置

在審

• 申請?zhí)枺?/td>: 201610233947.6
• 申請日: 2016-04-16
• 公開（公告）號: CN107301180A
• 公開（公告）日: 2017-10-27
• 發(fā)明（設計）人: 謝德意
• 申請（專利權）人: 深圳市唯德科創(chuàng)信息有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種文檔結構的分析方法，其特征在于，該方法包括如下步驟：

讀取文檔全文；

從所述文檔全文中查找所有有效屬性，并將每一所述有效屬性在所述文檔的對應位置處創(chuàng)建標簽；

提取所有標簽并創(chuàng)建成結構樹。

2.如權利要求1所述的分析方法，其特征在于，所述讀取文檔全文的步驟之前還包括：定義預設屬性。

3.如權利要求2所述的分析方法，其特征在于，所述從所述文檔全文中查找所述有效屬性，并將每一所述有效屬性在所述文檔的對應位置處創(chuàng)建標簽的步驟包括：

根據(jù)所述文檔全文的順序依次讀取關鍵屬性；

將讀取的所述關鍵屬性與所述預設屬性相互匹配；

若讀取的所述關鍵屬性與所述預設屬性相匹配，則判斷所述關鍵屬性為有效屬性，若讀取的所述關鍵屬性為無效屬性，則繼續(xù)讀取所述文檔中的下一關鍵屬性；及

若讀取的所述關鍵屬性為有效屬性，則將所述有效屬性在所述文檔對應的位置處創(chuàng)建標簽，并繼續(xù)讀取所述文檔的下一關鍵屬性，直至整個文檔讀取完畢。

4.如權利要求3所述的分析方法，其特征在于，所述關鍵屬性包括字體樣式、段落樣式、文字屬性、標題級別或特殊文字中一種或多種。

5.如權利要求4所述的分析方法，其特征在于，若讀取的所述關鍵屬性與下列所述預設屬性中任意一項相匹配，則判斷所述關鍵屬性為有效屬性：所述預設屬性包括 “說明書摘要”、“摘要附圖”、“權利要求書”、“說明書”以及“說明書附圖”的標題，其中，所述“說明書”包括 “技術領域”、“背景技術”、“發(fā)明內容”、“附圖說明”及“具體實施方式”的特殊文字。

6.如權利要求1所述的分析方法，其特征在于，所述提取所有標簽并創(chuàng)建成結構樹的步驟包括：

根據(jù)每一所述標簽在所述文檔中的位置依次讀取每個所述標簽；

依據(jù)每一所述標簽之間的邏輯層次關系建立邏輯結構樹。

7.如權利要求3所述的分析方法，其特征在于，所述預設屬性包括文檔規(guī)則庫，所述文檔規(guī)則庫包括但不限于專利撰寫法規(guī)、撰寫常用邏輯規(guī)則及自定義規(guī)則；若讀取的所述關鍵屬性與所述預設屬性的所述文檔規(guī)則庫相匹配，若讀取的所述關鍵屬性與所述文檔規(guī)則庫不匹配，則在所述文檔對應的位置處創(chuàng)建提示標記。

8.一種文檔結構的分析裝置，所述裝置用于包括非易失性內存的計算機系統(tǒng)中，其特征在于，包括：

讀取模塊，用于讀取文檔全文；

查找模塊，用于從所述文檔全文中查找所有有效屬性，并將每一所述有效屬性在所述文檔的對應位置處創(chuàng)建標簽；

提取模塊，用于提取所有標簽并創(chuàng)建成結構樹。

9.如權利要求8所述的分析裝置，其特征在于，所述分析裝置還包括：

預設模塊，用于定義預設屬性。

10.如權利要求9所述的分析裝置，其特征在于，所述查找模塊中還包括：

順序讀取單元，用于根據(jù)所述文檔全文的順序依次讀取關鍵屬性；

匹配單元，用于將讀取的所述關鍵屬性與所述預設屬性相互匹配；

判斷屬性單元，用于判斷所屬關鍵屬性是否為有效屬性，若讀取的所述關鍵屬性與所述預設屬性相匹配，則判斷所述關鍵屬性為有效屬性，若讀取的所述關鍵屬性為無效屬性，則繼續(xù)讀取所述文檔中的下一關鍵屬性；及

創(chuàng)建標簽單元，用于創(chuàng)建標簽，若讀取的所述關鍵屬性為有效屬性，則將所述有效屬性在所述文檔對應的位置處創(chuàng)建標簽，并繼續(xù)讀取所述文檔的下一關鍵屬性，直至整個文檔讀取完畢。