[发明专利]数据提取方法、装置、服务器及存储介质

说明书

本申请公开了一种数据提取方法、装置、服务器及存储介质，该方法包括：获取原始数据名称与目标数据名称的对应关系列表及原始数据，该原始数据包括原始数据名称及该原始数据名称对应的数据值；基于该对应关系列表，从该原始数据中提取该原始数据名称对应的数据值；存储提取的该数据值，存储的该数据值作为目标数据名称对应的目标数据。本申请实施例提供的数据提取方法及装置，通过利用原始数据名称与目标数据名称的对应关系列表，实现了目标数据的批量提取，提高了数据提取效率及准确率。

技术邻域

本申请一般涉及计算机技术领域，具体涉及一种数据提取方法、 装置、服务器及存储介质。

背景技术

在提取网页中数据时，利用爬虫将有用的目标数据从原始数据中 进行结构化的提取、清洗并存储。通常采用的提取方法有正则表达式、 及JSONPath。

正则表达式是对字符串操作的一种逻辑公式，即利用预先定义的 特定字符及特定字符的组合，组成一个“规则字符串”，该“规则字符 串”用于表达对字符串的过滤逻辑。通过正则匹配的方式，加入匹配 规则，可以匹配出待提取的数据。JSONPath是一种信息抽取类 库，是从JS对象简谱(JavaScript Object Notation，JSON)中抽取指 定信息的工具，通过表达式对多个层级之中的JSON数据，依次提取。

对于通过爬虫采集到的多样化的JSON格式的原始数据，由于正 则表达式的匹配规则繁杂，使得数据提取流程复杂，提取效率低下， 出错率高。而JSONPath方法仅能够对JSON数据中多个层级之中的相 同名称的数据做批量提取，无法对不同名称的数据作批量提取，使得 数据提取效率低。

发明内容

鉴于现有技术中的上述缺陷或不足，期望提供一种数据提取方法、 装置、服务器及存储介质，以提高数据提取效率。

第一方面，本申请实施例提供一种数据提取方法，该方法包括：

获取原始数据名称与目标数据名称的对应关系列表及原始数据， 该原始数据包括原始数据名称及该原始数据名称对应的数据值；

基于该对应关系列表，从该原始数据中提取该原始数据名称对应 的数据值；

存储提取的该数据值，存储的该数据值作为目标数据名称对应的 目标数据。

第二方面，本申请实施例提供一种数据提取装置，该包括：

获取模块，用于获取原始数据名称与目标数据名称的对应关系列 表及原始数据，该原始数据包括原始数据名称及该原始数据名称对应 的数据值；

提取模块，用于基于该对应关系列表，从该原始数据中提取该原 始数据名称对应的数据值；

存储模块，存储提取的该数据值，存储的该数据值作为目标数据 名称对应的目标数据。

第四方面，本申请实施例提供一种服务器，包括存储器、处理器 以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于， 所述处理器执行所述程序时实现如第一方面所述的数据提取方法。

第五方面，本申请实施例提供一种计算机存储介质，其上存储有 计算机程序，该计算机程序用于实现如第一方面所述的数据提取方法。

综上，本申请实施例提供的数据提取方法及装置，通过获取原始 数据及原始数据名称与目标数据名称的对应关系列表，并基于获取的 对应关系列表，提取原始数据中与原始数据名称对应的数据值，进而 将该数据值作为目标数据名称对应的值进行存储，从而利用原始数据 名称与目标数据名称的对应关系列表，实现了相同或不同名称的目标 数据的批量提取，提高了数据提取效率及准确率。

进一步的，本申请实施例通过利用预设的目标数据列表，将提取 到的数据值存储在目标数据列表中，使得数据值与目标数据列表中的 目标数据名称对应，从而简化了提取数据存储的过程。