[發(fā)明專利]表格語義化解析系統(tǒng)技術

在審

• 申請?zhí)枺?/td>: 201910587279.0
• 申請日: 2019-06-28
• 公開（公告）號: CN110321530A
• 公開（公告）日: 2019-10-11
• 發(fā)明（設計）人: 徐茂龍;楊鴻健;程晨
• 申請（專利權）人: 南京智錄信息科技有限公司
• 主分類號: G06F17/21
• 分類號: G06F17/21;G06F17/24
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種表格語義化解析系統(tǒng)，其特征在于，包括以下步驟：

(1)利用預先完成的程序獲取頁面內(nèi)的相關信息；

(2)針對表格前的文本內(nèi)容，查找表格前附注；

(3)針對表格內(nèi)的文本，查找表格內(nèi)的表格列標題，表格行標題，表格分塊行和表格內(nèi)容并處理。

2.根據(jù)權利要求1所述的方法，其特征在于，針對表格前的文本內(nèi)容，查找表格前附注的步驟包括：

(1)找出表格前的居中(包含連續(xù)的)和居右的文本；

(2)根據(jù)上述查找結果，如果沒有居中文本則找出表格前的以冒號結尾的自然段落；

(3)針對上述查找結果，如果沒有冒號結尾的自然段落或者居中文本，那么找到離表格最近的非居中和非居右的文本段落。

3.根據(jù)權利要求1所述的方法，其特征在于，針對表格內(nèi)的文本，查找表格內(nèi)的表格列標題，表格行標題，表格分塊行和表格內(nèi)容并處理的步驟包括：

(1)根據(jù)判斷標準查找表格列標題，表格行標題，表格分塊行和表格內(nèi)容；

(2)針對同一列的列標題進行融合，得到這一列的列標題，然后將這些列標題分配給這一列的具體的數(shù)據(jù)。這里的同一列的定義是：列標題在橫向的范圍與此列有相交且這些列標題是連續(xù)的；

(3)針對表格行標題，將縱向區(qū)域有重合的單元格的列標題名稱進行融合，將融合后的行標題名稱分配給這一行的其他表格內(nèi)容；

(4)針對上述融合過程，如果表格內(nèi)存在表格分塊行，那么表格分塊行的內(nèi)容也加入到列標題或者行標題前，但是分塊行不切斷表格的列標題。分塊行之后的數(shù)據(jù)可以繼續(xù)繼承之前的行標題。

4.根據(jù)權利要求3所述的方法，其特征在于，根據(jù)判斷標準查找表格列標題，表格行標題，表格分塊行和表格內(nèi)容的判斷標準如下：

(1)表格列標題：表格每一列的具體數(shù)據(jù)名稱；

(2)表格行標題：在沒有列標題情況下，表格可能是橫向的數(shù)據(jù)結構關系，一般左側(cè)的為行標題，即行標題是這一行剩余的單元格的數(shù)據(jù)名稱；

(3)表格分塊行：表格內(nèi)一個單元格占據(jù)一行的數(shù)據(jù)；

(4)表格內(nèi)容：表格內(nèi)其他正常數(shù)據(jù)。