[发明专利]文档处理方法、装置、计算机设备以及存储介质

说明书

本发明实施例公开了一种文档处理方法、装置、计算机设备以及存储介质，所述方法包括：将PDF文件转换为EXCEL文件；从所述EXCEL文件中提取关键文本信息；将所述关键文本信息进行分词，得到所述关键文本信息的分词结果，所述分词结果包括一个或者多个词语；将所述多个词语按照先后顺序转换为JSON格式的数据，并将所述JSON格式的数据导入至预设数据存储目录中。本发明能够将非结构化的文本数据转换为JSON格式的结构化数据，实现文件数据的自动化转换，并且JSON格式占用空间相对较小能够进一步提高数据的传输速率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种文档处理方法、装置、计算机设备以及存储介质。

背景技术

现有技术中，对于文档的关键文本信息的提取一般情况下都是通过人工的方式静态的进行获取，对于关键文本信息的格式转换也没有一个完整、合理的转换方式，如果当文档的数量达到一个量级时，通过人工提取和格式转换的方式并不能达到高效率的处理目的，并且通常会花费大量的人力和物力，随着技术的不断革新，业务合同数量的不断增长，人工处理文档的方式已经不能满足当下的业务需求与发展。

发明内容

有鉴于此，本发明实施例提供一种文档处理方法、装置、计算机设备以及存储介质，能够将非结构化的文本数据转换为JSON格式的结构化数据，实现文件数据的自动化转换，并且JSON格式占用空间相对较小能够进一步提高数据的传输速率。

一方面，本发明实施例提供了一种文档处理方法，该方法包括：

将PDF文件转换为EXCEL文件；

从所述EXCEL文件中提取关键文本信息；

将所述关键文本信息进行分词，得到所述关键文本信息的分词结果，所述分词结果包括一个或者多个词语；

将所述多个词语按照先后顺序转换为JSON格式的数据，并将所述JSON格式的数据导入至预设数据存储目录中。

另一方面，本发明实施例提供了一种文档处理装置，所述装置包括：

第一转换单元，用于将PDF文件转换为EXCEL文件；

提取单元，用于从所述EXCEL文件中提取关键文本信息；

分词单元，用于将所述关键文本信息进行分词，得到所述关键文本信息的分词结果，所述分词结果包括一个或者多个词语；

第二转换单元，用于将所述多个词语按照先后顺序转换为JSON格式的数据，并将所述JSON格式的数据导入至预设数据存储目录中。

又一方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的文档处理方法。

再一方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者一个以上计算机程序，所述一个或者一个以上计算机程序可被一个或者一个以上的处理器执行，以实现如上所述的文档处理方法。

本发明实施例提供一种文档处理方法、装置、计算机设备以及存储介质，其中方法包括：将PDF文件转换为EXCEL文件；从所述EXCEL文件中提取关键文本信息；将所述关键文本信息进行分词，得到所述关键文本信息的分词结果，所述分词结果包括一个或者多个词语；将所述多个词语按照先后顺序转换为JSON格式的数据，并将所述JSON格式的数据导入至预设数据存储目录中。本发明能够将非结构化的文本数据转换为JSON格式的结构化数据，实现文件数据的自动化转换，并且JSON格式占用空间相对较小能够进一步提高数据的传输速率。

附图说明