[发明专利]一种从非结构化数据提取结构化数据的方法

权利要求书

1.一种从非结构化数据提取结构化数据的方法，其特征在于，其包括以下步骤：

建立模式库，其包括基于正则表达式编写获得的若干个模式；

基于图像化操作，建立一个空的解析器；

获取待解析数据中的一部分作为样本数据，了解解析需求；

根据所述解析需求，调用至少一个所述模式，依次编辑分类规则和解析规则以对样本数据分类和解析，所述分类规则和所述解析规则存储至所述解析器；

显示所述解析规则解析的样本数据的字段值名；

在GUI上将解析器部署至实际使用环境，解析结果输出到数据分析的下一步骤。

2.如权利要求1所述的从非结构化数据提取结构化数据的方法，其特征在于，建立所述解析器，包括以下步骤：

建立主解析树；

在所述主解析树树根上以树节点方式并列添加至少一个解析节点并自动生成一个与所述解析节点并列的其他节点；

在所述解析节点上启动对数据分类的分类单元以及对分类后数据解析的解析单元；在所述其他节点启动所述解析单元；

在每个所述分类单元中，基于至少一种正向规则和/或反向规则，调用至少一个所述模式编辑形成所述分类规则，符合任一解析节点上分类单元分类规则的数据分配至该节点；若不符合，分配至所述其他节点；

在所述解析单元中，调用至少一个所述模式编辑形成所述解析规则以对分类后的数据进行解析。

3.如权利要求2所述的从非结构化数据提取结构化数据的方法，其特征在于，建立所述解析器，还包括步骤：

以树节点方式，添加与所述主解析树并列的至少一个子解析树；

在每个所述子解析树上以与所述主解析树相同方式添加所述解析节点、所述分类单元、所述解析单元以及自动生成一个其他节点；

依次启动所述分类单元、所述解析单元，以对数据进行分类和解析。

4.如权利要求2或3所述的从非结构化数据提取结构化数据的方法，其特征在于，添加所述解析节点，还包括以下步骤：

在所述解析节点上，以树节点方式并列添加至少一个解析子节点，在所述解析子节点启动所述分类单元以分类；

所述解析节点的解析单元移至对应添加的每个所述解析子节点以解析；

其中，添加所述解析子节点时，自动生成一个与所述解析子节点并列的其他节点；

所述解析子节点的解析单元移至相对应的最后一级所述子节点以解析。

5.如权利要求4所述的从非结构化数据提取结构化数据的方法，其特征在于，建立所述解析器，还包括以下步骤：

在所述主解析树、所述子解析树、所述解析节点、所述其他节点、所述解析子节点及其所述子节点上：

编辑名称；

编辑并显示当前解析的数据类型；

编辑并显示创建时间；

编辑并显示更新时间；

编辑用于添加供识别的标签；以及，

对解析器进行修改、编辑以及删除的操作。

6.如权利要求4所述的从非结构化数据提取结构化数据的方法，其特征在于，建立所述解析器，还包括以下步骤：

在所述主解析树、所述子解析树、所述解析节点以及所述解析子节点上：

将一个解析树上的一个节点上复制粘贴到另外一棵解析树上以新建一个节点，或者在同一棵解析树内复制一个节点后粘贴该节点以新建一个节点；

以树节点方式添加节点。

7.如权利要求1所述的从非结构化数据提取结构化数据的方法，其特征在于，编辑所述分类规则或所述解析规则，包括以下步骤：

启动规则编辑栏；

若编辑分类规则，则选择至少一种正向规则和/或反向规则后，调用至少一个所述模式编辑形成分类规则，并将分类规则应用到对应的数据，对数据进行分类；

若编辑解析规则，选择至少一个所述模式拖拽至规则编辑栏进行编辑，形成所述解析规则，解析规则应用到对应的数据中，对数据进行解析。

8.如权利要求1-7中任一项所述的从非结构化数据提取结构化数据的方法，其特征在于，显示所述解析规则解析的样本数据的字段值名，还包括步骤：

下载、存储、部署、复用所述解析器，在GUI上将解析器发送至实际使用环境部署，解析结果输出到数据分析的下一步骤。