[发明专利]表格语义化解析系统技术

权利要求书

1.一种表格语义化解析系统，其特征在于，包括以下步骤：

(1)利用预先完成的程序获取页面内的相关信息；

(2)针对表格前的文本内容，查找表格前附注；

(3)针对表格内的文本，查找表格内的表格列标题，表格行标题，表格分块行和表格内容并处理。

2.根据权利要求1所述的方法，其特征在于，针对表格前的文本内容，查找表格前附注的步骤包括：

(1)找出表格前的居中(包含连续的)和居右的文本；

(2)根据上述查找结果，如果没有居中文本则找出表格前的以冒号结尾的自然段落；

(3)针对上述查找结果，如果没有冒号结尾的自然段落或者居中文本，那么找到离表格最近的非居中和非居右的文本段落。

3.根据权利要求1所述的方法，其特征在于，针对表格内的文本，查找表格内的表格列标题，表格行标题，表格分块行和表格内容并处理的步骤包括：

(1)根据判断标准查找表格列标题，表格行标题，表格分块行和表格内容；

(2)针对同一列的列标题进行融合，得到这一列的列标题，然后将这些列标题分配给这一列的具体的数据。这里的同一列的定义是：列标题在横向的范围与此列有相交且这些列标题是连续的；

(3)针对表格行标题，将纵向区域有重合的单元格的列标题名称进行融合，将融合后的行标题名称分配给这一行的其他表格内容；

(4)针对上述融合过程，如果表格内存在表格分块行，那么表格分块行的内容也加入到列标题或者行标题前，但是分块行不切断表格的列标题。分块行之后的数据可以继续继承之前的行标题。

4.根据权利要求3所述的方法，其特征在于，根据判断标准查找表格列标题，表格行标题，表格分块行和表格内容的判断标准如下：

(1)表格列标题：表格每一列的具体数据名称；

(2)表格行标题：在没有列标题情况下，表格可能是横向的数据结构关系，一般左侧的为行标题，即行标题是这一行剩余的单元格的数据名称；

(3)表格分块行：表格内一个单元格占据一行的数据；

(4)表格内容：表格内其他正常数据。