[发明专利]一种将非结构化文本转化为结构化文本的方法及装置

权利要求书

1.一种将非结构化文本转化为结构化文本的方法，其特征在于，包括：

获取非结构化文本；所述非结构化文本包含不同层级的标签；

根据所述非结构化文本创建配置文件，所述配置文件包含所述非结构化文本中的指定标签与结构化文本的关联关系；

根据所述配置文件，确定与所述指定标签所在的标签链相关联的结构化文本；所述标签链由所述不同层级的标签构成；

根据所述非结构化文本，确定所述标签链的出现频次以及所述标签链对应的数据；

根据所述标签链的出现频次，将所述标签链对应的数据，写入与所述标签链相关联的结构化文本；

其中，所述配置文件通过以下方式创建：

从所述非结构化文本中依次提取互不相同的标签；

从所述互不相同的标签中选取指定标签，并在所述指定标签中添加所述结构化文本的文本标识；

所述根据所述配置文件，确定与所述指定标签所在的标签链相关联的结构化文本，包括：

解析所述配置文件；

将解析出的所述结构化文本的文本标识，以及与所述结构化文本关联的标签链对应进行存储，得到第一记录；

根据所述第一记录，确定与所述指定标签所在的标签链相关联的结构化文本；

所述根据所述非结构化文本，确定所述标签链的出现频次以及所述标签链对应的数据，包括：

解析所述非结构化文本，并对解析出的标签链进行编号；将所述标签链以及所述标签链的出现频次对应进行存储，得到第二记录；将所述标签链、所述标签链的编号，以及与所述标签链对应的数据对应进行存储，得到第三记录；

根据所述第二记录及第三记录，确定所述标签链的出现频次以及所述标签链对应的数据；

所述根据所述标签链的出现频次，将所述标签链对应的数据，写入与所述标签链相关联的结构化文本，包括：

根据所述标签链的出现频次，确定与所述结构化文本相关联的各个标签链中，标签链的出现频次的最大值；

将所述标签链的出现频次的最大值作为所述结构化文本的行数，并根据所述标签链的编号以及与所述结构化文本相关联的标签链的顺序，依次将所述标签链对应的数据写入所述结构化文本。

2.根据权利要求1所述的方法，其特征在于，还包括：

在缺少指定编号的标签链，或缺少所述指定编号的标签链对应的数据的情况下，将所述指定编号的标签链对应的数据设置为空，并写入所述结构化文本。

3.根据权利要求1所述的方法，其特征在于，所述结构化文本中的每个字段为固定长度；或每个字段为非固定长度，每个字段之间用分隔符进行划分。