[發明專利]一種多源Markdown地質資料文本格式規范化方法及系統

在審

• 申請號: 202110022101.9
• 申請日: 2021-01-08
• 公開（公告）號: CN112699636A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 鄧吉秋;夏晨晨;劉文毅;雷玉嬌;何美香;路馥毓
• 申請（專利權）人: 中南大學
• 主分類號: G06F40/12
• 分類號: G06F40/12
• 代理公司: 長沙智路知識產權代理事務所(普通合伙) 43244
• 代理人: 張毅

本發明涉及一種多源Markdown地質資料文本格式規范化方法及系統，所述方法包括：S1、根據預先設定的文本清理判斷規則，判斷文本中任一行文本是否符合清理判斷準則，獲取判斷結果；所述文本清理判斷規則包括：第一級規則為規定清理判斷準則進行判斷的順序的優先級規則；第二級規則為清理判斷準則，用于判斷文本是否符合清理判斷準則；S2、根據所述判斷結果和預先設定文本清理判斷規則及規范化處理方法，進行規范處理，獲取規范文本；所述規范化處理方法與所述文本清理判斷規則對應，解決了對Markdown格式地質資料文本格式規范化處理需要有經驗的操作人員才能完成，且速度慢、效率低、無法避免人為疏忽帶來的判斷錯誤的問題。

技術領域

本發明涉及文檔資料內容規范化處理技術領域，尤其涉及一種多源Markdown地質資料文本格式規范化方法及系統。

背景技術

隨著信息技術的發展，數字化地質資料格式多樣、數據存儲空間大的特點日益凸顯，數據存儲與使用成為亟需解決的問題。地質資料的數據格式是數據能否長期存儲的關鍵，現有Word、PDF、TXT、HTML、CAJ、PPT、MapGIS、MapInfo等地質資料數據格式，而地質資料文本內容完整、可識別度高與規范是數據持續使用的關鍵。

面對地質資料數據存儲與使用的需求，規范化的地質資料成為現實需求。規范化不僅指文檔內容的規范化，也包括文檔格式的規范化，但大多只涉及前者。有經驗的專業人員根據各格式特點，人為規范化。但人工處理耗時費力、無法確保不存在遺漏和錯誤，且格式具有多樣性，不便于后續使用。

現有技術：1.提前設計包含數據規范處理方法的文檔規范化處理模板，用戶根據需求調用相應的數據規范處理方法。2.固定規范化模板，通過語義分析、信息抽取將文本內容抓取整合到規范模板對應位置，從而生成最終文檔。

現有技術的缺點：針對文檔資料內容規范化處理，現有技術采用固定規范模板、規范化處理模板人機交互處理或純人工的方式處理文檔。人機交互與純人工處理需要有經驗的操作人員才能完成，速度慢、效率低、無法避免人為疏忽帶來的判斷錯誤；固定規范模板，其綱目結構、段落內容、文檔格式大多固定，靈活性不夠。對多源Markdown格式的地質資料文本格式規范未有涉及。

發明內容

(一)要解決的技術問題

鑒于現有技術的上述缺點和不足，本發明提供一種多源Markdown地質資料文本格式規范化方法及系統。解決了對Markdown格式地質資料文本格式規范化處理需要有經驗的操作人員才能完成，且速度慢、效率低、無法避免人為疏忽帶來的判斷錯誤的問題。

(二)技術方案

為了達到上述目的，本發明采用的主要技術方案包括：

第一方面，本發明實施例提出的一種多源Markdown地質資料文本格式規范化方法，其特征在于，包括：

S1、根據預先設定的文本清理判斷規則，判斷文本中任一行文本是否符合清理判斷準則，獲取判斷結果；

其中，所述文本為多源Markdown地質資料文本；

所述文本清理判斷規則包括：

第一級規則為規定清理判斷準則進行判斷的順序的優先級規則；

第二級規則為清理判斷準則，用于判斷文本是否符合清理判斷準則；

S2、根據所述判斷結果和預先設定文本清理判斷規則及規范化處理方法，進行規范處理，獲取規范文本；

所述規范化處理方法與所述文本清理判斷規則對應。

優選的，所述步驟S1包括：

按照文本清理規則所對應的優先級順序逐級對文本每一行文本進行判斷，獲取所述行文本的判斷結果。