[發明專利]文本轉換方法、裝置及可讀存儲介質

有效

• 申請號: 201811625152.5
• 申請日: 2018-12-28
• 公開（公告）號: CN111401005B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 殷延偉;殷夢丹;陳巍
• 申請（專利權）人: 北大方正集團有限公司;北京北大方正電子有限公司
• 主分類號: G06F40/14
• 分類號: G06F40/14;G06F40/154
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張子青;劉芳

1.一種文本轉換方法，其特征在于，包括：

獲取待轉換的參考文獻文本；

利用預設的多個類型的正則表達式組，依次對所述參考文獻文本進行處理，以提取參考文獻中的與每個類型的正則表達式組相應的元素信息；

根據標簽文件對獲得的所述元素信息進行標簽標注，并將標注后的元素信息輸入至結構樣本模板，生成參考文獻的XML文件；

所述正則表達式組包括第一正則表達式和第二正則表達式，所述利用預設的多個類型的正則表達式組，依次對所述參考文獻文本進行處理，以確定參考文獻中的與每個類型的正則表達式相應的元素信息，包括：

利用各類型的第一正則表達式依次對所述參考文獻文本進行處理，獲得各類型的待提取的元素信息在參考文獻文本中的位置范圍；

利用各類型的第二正則表達式對與相應類型的位置范圍的參考文獻文本進行元素提取，獲得各類型的元素信息；

所述獲取待轉換的參考文獻文本之前，還包括：

根據參考文獻文本的格式標準，從預設的正則表達式組庫中選取相應類型的正則表達式組，并構建相應的結構樹，其中所述結構樹用于記錄各類型的正則表達式組的處理順序；

相應的，所述利用預設的多個類型的正則表達式組，依次對所述參考文獻文本進行處理，包括：

按照所述結構樹中記錄的處理順序，利用預設的多個類型的正則表達式組對所述參考文獻文本進行處理。

2.根據權利要求1所述的文本轉換方法，其特征在于，所述標簽文件包括：參考文獻編號、作者、文獻題目、出版年、卷號、期號、頁碼。

3.一種文本轉換裝置，其特征在于，包括：

通信模塊，用于獲取待轉換的參考文獻文本；

元素提取模塊，用于利用預設的多個類型的正則表達式組，依次對所述參考文獻文本進行處理，以提取參考文獻中的與每個類型的正則表達式組相應的元素信息，所述正則表達式組包括第一正則表達式和第二正則表達式；

輸出模塊，用于根據標簽文件對獲得的所述元素信息進行標簽標注，并將標注后的元素信息輸入至結構樣本模板，生成參考文獻的XML文件；

所述元素提取模塊，還具體用于利用各類型的第一正則表達式依次對所述參考文獻文本進行處理，獲得各類型的待提取的元素信息在參考文獻文本中的位置范圍；利用各類型的第二正則表達式對與相應類型的位置范圍的參考文獻文本進行元素提取，獲得各類型的元素信息；

架構模塊，用于在獲取待轉換的參考文獻文本之前根據參考文獻文本的格式標準，從預設的正則表達式組庫中選取相應類型的正則表達式組，并構建相應的結構樹，其中所述結構樹用于記錄各類型的正則表達式組的處理順序；所述元素提取模塊具體用于：按照所述結構樹中記錄的處理順序，利用預設的多個類型的正則表達式組對所述參考文獻文本進行處理。

4.根據權利要求3所述的文本轉換裝置，其特征在于，所述標簽文件包括：參考文獻編號、作者、文獻題目、出版年、卷號、期號、頁碼。

5.一種文本轉換裝置，其特征在于，包括：存儲器、與所述存儲器連接的處理器，及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，

所述處理器運行所述計算機程序時執行權利要求1或2任一項所述的方法。

6.一種可讀存儲介質，其特征在于，包括程序，當其在終端上運行時，使得終端執行權利要求1或2任一項所述的方法。