[發(fā)明專利]一種非結(jié)構(gòu)化數(shù)據(jù)向結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換方法

在審

• 申請?zhí)枺?/td>: 202010140412.0
• 申請日: 2020-03-03
• 公開（公告）號: CN111401007A
• 公開（公告）日: 2020-07-10
• 發(fā)明（設(shè)計(jì)）人: 羅桂林
• 申請（專利權(quán)）人: 廈門億祿信息科技有限公司
• 主分類號: G06F40/151
• 分類號: G06F40/151
• 代理公司: 北京聯(lián)瑞聯(lián)豐知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11411
• 代理人: 郭堃

1.一種非結(jié)構(gòu)化數(shù)據(jù)向結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換方法，其特征在于，包括以下步驟：

步驟1、讀取電子文檔，根據(jù)文件格式獲取文本內(nèi)容；

步驟2、將獲取到文本內(nèi)容標(biāo)記所處的行列坐標(biāo)；

步驟3、根據(jù)每個標(biāo)記坐標(biāo)，一一匹配歷史數(shù)據(jù)庫中保存的文件模板相應(yīng)坐標(biāo)所對應(yīng)的標(biāo)簽；

步驟4、糾錯已匹配對應(yīng)到標(biāo)簽的，修改對應(yīng)坐標(biāo)的標(biāo)簽；

步驟5、標(biāo)簽與坐標(biāo)對應(yīng)文本內(nèi)容形成結(jié)構(gòu)化的字段欄位以及對應(yīng)字段欄位的數(shù)值；

步驟6、完成從無序非結(jié)構(gòu)化文本到結(jié)構(gòu)化字段欄位的轉(zhuǎn)換。

2.根據(jù)權(quán)利要求1所述的一種非結(jié)構(gòu)化數(shù)據(jù)向結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換方法，其特征在于，所述電子文檔包括文本文檔、數(shù)據(jù)文檔、Word文檔、Excel文檔、PDF文檔、圖片文檔。

3.根據(jù)權(quán)利要求1所述的一種非結(jié)構(gòu)化數(shù)據(jù)向結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換方法，其特征在于，所述步驟3中，如果未匹配到歷史數(shù)據(jù)庫中的標(biāo)簽，則對歷史數(shù)據(jù)庫進(jìn)行更新，添加更新后的文檔模板。

4.根據(jù)權(quán)利要求3所述的一種非結(jié)構(gòu)化數(shù)據(jù)向結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換方法，其特征在于，所述步驟3中，對匹配到歷史數(shù)據(jù)庫中的標(biāo)簽進(jìn)行糾錯，修改對應(yīng)坐標(biāo)的標(biāo)簽。