[發明專利]一種文檔數據提取方法及裝置

在審

• 申請號: 201911006121.6
• 申請日: 2019-10-22
• 公開（公告）號: CN110888965A
• 公開（公告）日: 2020-03-17
• 發明（設計）人: 胡為民;鄭喜
• 申請（專利權）人: 深圳市迪博企業風險管理技術有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 李娟

1.一種文檔數據提取方法，其特征在于，包括：

當檢測到文檔數據提取請求時，基于所述文檔數據提取請求中包含的待處理文檔的標識信息確定數據定位信息；所述數據定位信息包括預設類型信息及其對應的特征信息；

基于所述預設類型信息及其對應的特征信息，獲取所述待處理文檔中的表格信息和非表格信息；所述表格信息包括全表格信息和半表格信息；

基于預設提取策略從所述表格信息和所述非表格信息中，提取出所述待處理文檔對應的目標數據。

2.如權利要求1所述的文檔數據提取方法，其特征在于，所述特征信息包括所述預設類型信息對應的關鍵信息；所述關鍵信息包括表前關鍵信息、表內關鍵信息、表后關鍵信息和表字段信息；

所述基于所述預設類型信息及其對應的特征信息，獲取所述待處理文檔中的表格信息和非表格信息，包括：

基于所述表前關鍵信息、所述表內關鍵信息、所述表后關鍵信息和所述表字段信息，遍歷所述待處理文檔獲取所述待處理文檔中的表格信息；

基于所述待處理文檔和所述表格信息，確定所述待處理文檔對應的非表格信息。

3.如權利要求2所述的文檔數據提取方法，其特征在于，所述表格信息包括所述待處理文檔中的目標表的位置信息和類型信息；

所述基于所述表前關鍵信息、所述表內關鍵信息、所述表后關鍵信息和所述表字段信息，遍歷所述待處理文檔獲取所述待處理文檔中的表格信息，包括：

遍歷所述待處理文檔，查找第一目標信息；所述第一目標信息為同時與所述表前關鍵信息、所述表內關鍵信息、所述表后關鍵信息和所述表字段信息均匹配的信息；

當從所述待處理文檔中查找到所述第一目標信息時，獲取所述第一目標信息對應的目標表的位置信息和類型信息。

4.如權利要求2所述的文檔數據提取方法，其特征在于，所述基于所述表前關鍵信息、所述表內關鍵信息、所述表后關鍵信息和所述表字段信息，遍歷所述待處理文檔獲取所述待處理文檔中的表格信息，包括：

遍歷所述待處理文檔，從所述待處理文檔中查找第二目標信息，所述第二目標信息為同時與所述表前關鍵信息、所述表內關鍵信息和所述表后關鍵信息均匹配的信息；

當從所述待處理文檔中查找到所述第二目標信息時，獲取所述第二目標信息對應的位置信息和目標表的信息；

基于所述目標表的信息和所述表字段信息，確定所述目標表的類型信息；

基于所述位置信息和所述類型信息，確定表格信息。

5.如權利要求2所述的文檔數據提取方法，其特征在于，所述關鍵信息包括：排除關鍵信息、包含關鍵信息、停止關鍵信息；所述排除關鍵信息標識所述預設類型信息對應的表中不包含所述排除關鍵信息；所述包含關鍵信息標識所述預設類型信息對應的表中包含所述包含關鍵信息；所述停止關鍵信息用于暫停匹配所述待處理文檔和所述特征信息。

6.如權利要求1-5任一項所述的文檔數據提取方法，其特征在于，所述當檢測到文檔數據提取請求時，基于所述文檔數據提取請求中包含的待處理文檔的標識信息確定數據定位信息，包括：

當檢測到文檔數據提取請求時，獲取所述文檔數據提取請求中包括的待處理文檔的標識信息；

基于預設標識信息和預設數據定位信息之間的對應關系，確定所述文檔標識信息對應的數據定位信息。

7.一種文檔數據提取裝置，其特征在于，包括：

第一確定單元，用于當檢測到文檔數據提取請求時，基于所述文檔數據提取請求中包含的待處理文檔的標識信息確定數據定位信息；所述數據定位信息包括預設類型信息及其對應的特征信息；

第一獲取單元，用于基于所述預設類型信息及其對應的特征信息，獲取所述待處理文檔中的表格信息和非表格信息；所述表格信息包括全表格信息和半表格信息；

提取單元，用于基于預設提取策略從所述表格信息和所述非表格信息中，提取出所述待處理文檔對應的目標數據。