[发明专利]一种文本信息提取方法、装置、终端及存储介质

说明书

本发明公开了一种文本信息提取方法、装置、终端及存储介质，其中，文本信息提取方法包括：获取目标文本；基于预置正则规则对所述目标文本进行分段处理，得到所述目标文本对应的多个文本信息段；确定所述多个文本信息段的信息标签；基于所述信息标签对应的预置匹配规则中匹配项的匹配条件，从所述多个文本信息段中提取符合所述预置匹配规则的目标文本信息段；所述预置匹配规则包括具有第一指定排列顺序的匹配项；基于所述预置匹配规则对应的预置映射规则对所述目标文本信息段进行映射，得到目标文本信息。本发明有效提高了文本信息提取的效率，非常适用于文本的语句比较复杂、不具备完整语义的应用场景。

技术领域

本发明涉及计算机技术领域，特别涉及一种文本信息提取方法、装置、终端及存储介质。

背景技术

相关技术中，在对文本中的信息进行提取时，一般采用正则规则来实现信息提取。正则规则也称为正则表达式规则，是一种基于正则表达式所设立的过滤或者匹配规则，其中正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。

然而，某些应用场景中文本的语句会比较复杂、不具备完整的语义，例如，医疗场景中医生开的病历，常常无法完备地写出提取信息的正则规则或者提取信息的正则规则很复杂，需要花费较多的时间，从而导致提取文本信息的效率很低。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种文本信息提取方法、装置、终端及存储介质。所述技术方案如下：

一方面，提供了一种文本信息提取方法，所述方法包括：

获取目标文本；

基于预置正则规则对所述目标文本进行分段处理，得到所述目标文本对应的多个文本信息段；

确定所述多个文本信息段的信息标签；

基于所述信息标签对应的预置匹配规则中匹配项的匹配条件，从所述多个文本信息段中提取符合所述预置匹配规则的目标文本信息段；所述预置匹配规则包括具有第一指定排列顺序的匹配项；

基于所述预置匹配规则对应的预置映射规则对所述目标文本信息段进行映射，得到目标文本信息。

另一方面，提供了一种文本信息提取装置，所述装置包括：

第一获取模块，用于获取目标文本；

分段处理模块，用于基于预置正则规则对所述目标文本进行分段处理，得到所述目标文本对应的多个文本信息段；

第一确定模块，用于确定所述多个文本信息段的信息标签；

提取模块，用于基于所述信息标签对应的预置匹配规则中匹配项的匹配条件，从所述多个文本信息段中提取符合所述预置匹配规则的目标文本信息段；所述预置匹配规则包括具有第一指定排列顺序的匹配项；

映射模块，用于基于所述预置匹配规则对应的预置映射规则对所述目标文本信息段进行映射，得到目标文本信息。

可选的，所述分段处理模块包括：

第二确定模块，用于确定所述目标文本中匹配所述预置正则规则的第一文本信息段，以及不匹配所述预置正则规则的第二文本信息段；

分段模块，用于根据所述第一文本信息段和第二文本信息段对所述目标文本进行分段，得到多个文本信息段。

可选的，所述第一确定模块包括：

第二获取模块，用于获取所述预置正则规则对应的标签信息；

第三确定模块，用于将所述标签信息作为匹配所述预置正则规则的第一文本信息段的信息标签；

分配模块，用于为所述第二文本信息段分配默认标签，所述默认标签作为所述第二文本信息段的信息标签。