[发明专利]一种基于样式的内容结构化加工方法及系统

说明书

技术领域

本发明属于信息内容加工技术领域，具体涉及一种基于样式的内容结构化加工方法及系统。 

背景技术

随着IT应用的深入普及，各行各业都积累了大量的信息资源。科学管理和合理开发这些内部和外部信息资源已经成为企业正确决策、增强竞争力的关键，在对这些重要信息利用之前，通常需要对这些信息的数据内容进行结构化的加工，以适应不同用户的不同需要。 

当前内容结构化的方法主要以储存、流程、元数据(Metadata)为要件来制作系统，其中，储存多以关联式数据库的方式，也有的以一般数据文件方式储存，或者是根据需要两种并存。目前，内容结构化的方法主要有两种：一种是使用专门软件对特定数据字段进行录入的方式，这种方式的缺点是进行录入的数据字段受软件限制，而且需要手工录入，不容易实现自动化加工；另一种是使用类似XML编辑器的软件的方式，这种方式缺点是只能对纯内容的数据进行结构化，无法带入原文档内容的版式和样式等信息，而在印前排版领域或者希望带有内容样式的用户来说，现有的内容结构化方法因不能使结构化的内容同时带有内容的样式信息或版式信息而不能满足需要，因此，如何使结构化的内容既保留原内容又带有原内容的样式或版式信息，成为越来越多的用户所关注的问题。 

发明内容

针对现有技术中存在的缺陷，本发明的目的是提供一种基于样式的内容结构化加工方法及系统，通过该方法及系统不仅能够完成内容结构化的自动化加工，并且使加工后的结构化内容保留原有的样式、版式等信息。 

为达到以上目的，本发明采用的技术方案是：一种基于样式的内容结构 化加工方法，包括以下步骤： 

(1)建立内容结构化体系，根据需要设置结构化关键字，并确定结构化关键字之间的关系； 

(2)建立样式与结构化关键字之间的对应关系； 

(3)解析需要结构化的文档，根据样式与结构化关键字之间的对应关系提取内容形成结构化内容；文档完成结构化后，形成了两个文件：样式映射文件和结构内容文件，所述样式映射文件记录了样式与结构化关键字之间的对应关系，所述结构内容文件记录了结构化关键字与文档内容的对应关系。 

进一步，步骤(1)中，设置结构化关键字时，根据需要结构化的文档内容结构来设置； 

进一步，步骤(1)中，设置结构化关键字时，根据文档内容的样式来设置。 

进一步，步骤(1)中，确定结构化关键字之间的关系时，根据文档内容的样式来确定；所述的结构化关键字之间的关系是指关键字之间的位置、排列、层次、结构、包含等关系，实际也就是结构化关键字所代表的内容在文档中的相应关系。 

进一步，步骤(2)中，建立样式与结构化关键字的对应关系时，一个结构化关键字对应一种或者多种样式，但是一种样式只能对应一个结构化关键字。 

一种基于样式的内容结构化加工系统，该系统包括：结构化关键字构建模块、样式与关键字对应模块、解析提取模块； 

所述的结构化关键字构建模块用于设置结构化关键字，并确定结构化关 键字之间的关系； 

所述的样式与关键字对应模块用于建立样式与结构化关键字之间的对应关系； 

所述的解析提取模块用于解析需要结构化的文档，并提取文档内容形成结构化内容；文档完成结构化后，形成了两个文件：样式映射文件和结构内容文件，所述样式映射文件记录了样式与结构化关键字之间的对应关系，所述结构内容文件记录了结构化关键字与文档内容的对应关系。 

本发明的效果在于：采用本发明所述的方法和系统，对于带于样式、版式等信息的内容，在进行内容结构化加工时，不仅能够完成内容结构化的自动加工，同时使加工后的结构化内容能够保留原有的样式、版式等信息，大大方便了不同用户的需要。 

附图说明

图1是本发明所述方法的流程图； 

图2是本发明所述系统的结构图。 

具体实施方式

下面结合实施例和附图，对本发明作进一步的阐述： 

如图2所示，一种基于样式的内容结构化加工系统，该系统包括：结构化关键字构建模块、样式与关键字对应模块、解析提取模块； 

所述的结构化关键字构建模块用于设置结构化关键字，并确定结构化关键字之间的关系； 

所述的样式与关键字对应模块用于建立样式与结构化关键字之间的对应关系； 

所述的解析提取模块用于解析需要结构化的文档，并提取文档内容形成结构化内容；