[发明专利]文档结构化方法和设备

说明书

技术领域

本发明涉及一种文档管理技术，尤其是涉及一种文档结构化方法和设备。

背景技术

目前上海计量中心的结构化文档及非结构化文档，存放分散，随着计量业务的发展，各种计量标准、技术文件越来越多，没有一种集中存放及快速搜索的软件，已经无法支撑计量业务的正常发展及无法满足国家电网推动信息化产业、快速、高效的工作理念。长期以来，上海计量中心的结构化和非结构化数据，都是存储在各应用人员各自电脑或是存储设备中，无法共享资料，对于新发布的文件、规则制度，只能通过邮件或是硬盘共享的方式提供给他人使用，这种方式往往会造成安全保密度低，寻找一份文档繁琐，甚至出现文档丢失的情况，而原先旧文档服务器，搜索效率慢，树形结构不合理，且无备份就权限控制的功能，对于用户重要机密文件无法安全、可靠的保存，相关人员也无意愿继续使用。

随着互联网的迅猛发展、WEB信息的增加，用户要在信息海洋里查找自己所需的信息，就象大海捞针一样，搜索引擎技术恰好解决了这一难题。搜索引擎是指互联网上专门提供检索服务的一类网站，这些站点的服务器通过网络搜索软件或网络登录等方式，将Intenet上大量网站的页面信息收集到本地，经过加工处理建立信息数据库和索引数据库，从而对用户提出的各种检索作出响应，提供用户所需的信息或相关指针。用户的检索途径主要包括自由词全文检索、关键词检索、分类检索及其他特殊信息的检索。而我们将这种技术运设计开发出一套符合计量标准化信息管理的系统，使得计量中心内部的结构化和非结构化数据能够集中存储，同时能够快速响应并找到目标文件。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种文档结构化方法和设备。

本发明的目的可以通过以下技术方案来实现：

一种文档结构化方法，包括：

步骤S1：接收文档，创建该文档的结构化描述文件，并将文档保存至文档服务器中；

步骤S2：创建数据库，并存储所有文档的结构化描述文件；

步骤S3：在数据库中检索得到结构化描述文件后，于文档服务器中提取对应的文档。

所述步骤S1具体包括步骤：

步骤S11：接收文档；

步骤S12：提取文档已有标签；

步骤S13：生成文档的摘要；

步骤S14：用标记描述文档的标签和摘要生成该文档的结构化描述文件；

步骤S15：将文档保存至文档服务器中。

所述文档已有标签至少包括文档大小、文档来源、文档类别、文档修改时间、文档所属标准体系。

所述步骤S13具体包括步骤：

步骤S131：判断是否存在支持该文档的阅读模块，若为是，则执行步骤S132，若为否，则执行步骤S133；

步骤S132：采用该阅读模块打开该文档并提取文档中的部分文本作为文档的摘要；

步骤S133：接收由用户端输入的对该文档的摘要。

所述步骤S3具体为：在数据库中检索得到结构化描述文件后，判断当前用户是否存在对对应文档的操作权限，若为是，则于文档服务器中提取对应的文档，若为否，则返回错误信息。

一种文档结构化设备，包括：

用于接收文档，创建该文档的结构化描述文件，并将文档保存至文档服务器中的第一装置；

用于创建数据库，并存储所有文档的结构化描述文件的第二装置；

用于在数据库中检索得到结构化描述文件后，于文档服务器中提取对应的文档的第三装置。

所述第一装置包括：

用于接收文档的第一模块；

用于提取文档已有标签的第二模块；

用于生成文档的摘要的第三模块；

用于用标记描述文档的标签和摘要生成该文档的结构化描述文件的第四模块；

用于将文档保存至文档服务器中的第五模块。

所述文档已有标签至少包括文档大小、文档来源、文档类别、文档修改时间、文档所属标准体系。

所述第三模块包括：

用于判断是否存在支持该文档的阅读模块的第一单元；

用于采用该阅读模块打开该文档并提取文档中的部分文本作为文档的摘要的第二单元；

用于接收由用户端输入的对该文档的摘要的第三单元。

其特征在于，所述第三装置包括

用于在数据库中检索得到结构化描述文件后，判断当前用户是否存在对对应文档的操作权限的第六模块；

用于于文档服务器中提取对应的文档的第七模块；

用于返回错误信息的第八模块。