[发明专利]一种对文本信息进行结构化处理的方法

权利要求书

1.一种对文本信息进行结构化处理的方法，其特征在于，包括如下步骤：

1)获得所述文本信息的内容；

2)根据所述文本信息的所述内容调用相应的正则表达式匹配模式；

3)采用所述正则表达式匹配模式对所述文本信息的所述内容进行结构化处理，获得结构化的文本信息。

2.根据权利要求1所述的方法，其中步骤2)根据所述文本信息的所述内容调用相应的正则表达式匹配模式包括：通过手动选择调用相应的正则表达式匹配模式；其中通过手动选择调用相应的正则表达式匹配模式包括：根据所述文本信息的所述内容手动选择所述文本信息的所述内容的类型，根据所述类型调用相应的正则表达式匹配模式；其中手动选择所述文本信息的所述内容的类型包括：在操作界面上设置多个所述类型的按钮，用户点击“完形填空题”按钮时调用“完形填空题选项正则表达式匹配模式”，用户点击“单选题”、“多选题”，或“多选多题”时调用“通用选项正则表达式匹配模式”；其中所述类型包括完形填空题、单选题、多选题、或多选多题。

3.根据权利要求1所述的方法，其中步骤2)根据所述文本信息的所述内容调用相应的正则表达式匹配模式包括：自动识别所述文本信息的所述内容，根据识别的结果调用相应的正则表达式匹配模式；其中自动识别所述文本信息的所述内容包括：自动识别出所述文本信息的所述内容的类型；其中自动识别出所述文本信息的所述内容的类型包括：识别出第一个选项标识符后检验所述第一个选项标识符之前的字符串是否符合数字型标识符的规则，如符合则识别出所述文本信息的所述内容的类型为完形填空题，如不符合则识别出所述文本信息的所述内容的类型为普通题目；其中，识别出所述文本信息的所述内容的类型为完形填空题时，调用完形填空题选项正则表达式匹配模式；识别出所述文本信息的所述内容的类型为普通题目时，调用通用选项正则表达式匹配模式；其中，所述普通题目包括单选题、多选题、或多选多题。

4.根据权利要求3所述的方法，其中，所述数字型标识符的规则包括：阿拉伯数字和空格、或阿拉伯数字和特定字符的组合，特定字符包括“.”、“,”、或“、”；数字前后有括号“()”或“[]”。

5.根据权利要求1所述的方法，其中步骤3)采用所述正则表达式匹配模式对所述文本信息的内容进行结构化处理，获得结构化的文本信息，包括：对于完形填空题，先将题干和选项进行分离；再对所述题干的内容进行结构化处理，以及将所述选项中的多个小题进行分离；最后将每一个小题的多个选项进行分离，从而获得结构化的文本信息。

6.根据权利要求5所述的方法，其中所述将题干和选项进行分离包括：根据“完形填空题选项正则表达式匹配模式”识别出选项，将题干和选项进行分离；

其中，所述根据“完形填空题选项正则表达式匹配模式”识别出选项，将题干和选项进行分离包括：通过“完形填空题选项正则表达式匹配模式”，在文本信息中匹配到多个选项标识符及多个数字型标识符，提取从所述第一个数字型标识符至最后一个选项标识符之后的字符串，获得的内容为选项；提取从所述完形填空题的开头至所述第一个数字型标识符之前的部分，获得的内容为题干。

7.根据权利要求5所述的方法，其中所述对所述题干的内容进行结构化处理包括：根据“填空划线正则表达式匹配模式”，对题干进行结构化处理；

其中，所述根据“填空划线正则表达式匹配模式”，对题干进行结构化处理包括：通过“填空划线正则表达式匹配模式”，在所述题干内容中，匹配到多个划线标识符和多个数字标识符，获得题干的文本信息，并对多个所述数字标识符表示的数字从1开始重新编号；其中，对多个所述数字标识符表示的数字从1开始重新编号包括：根据所述划线标识符的先后顺序从1开始替换所述数字标识符表示的数字；其中，划线标识符包括：下划线“_”、空格、或“-”。

8.根据权利要求5所述的方法，其中所述将选项中的多个小题进行分离包括：通过“小题正则表达式匹配模式”，在选项内容中匹配到第一个数字型标识符，提取所述数字型标识符，并从1开始重新编号，接着又匹配到选项标识符及第二个数字型标识符，提取从所述第一个数字型标识符至所述第二个数字型标识符之前的字符，从而提取到第一个小题，以此类推，将每个小题都提取出来，从而完成多个小题的分离。