[发明专利]一种数据处理方法及装置

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取包括多张图像的待处理数据，所述多张图像包括文字；

将所述多张图像中与标记模板图像中除掩模区域之外的区域中的内容能够匹配的图像确定为待处理图像；所述标记模板图像是根据业务规则在模板图像中标记掩膜区域后得到的，所述掩膜区域为在所述模板图像中标记的数据变化的区域；

确定所述待处理图像中所述掩模区域对应位置包括的图像块的类型和位置，所述图像块的类型包括文字；

根据所述图像块的类型和所述图像块的位置，提取所述图像块中的数据以及所述数据之间的逻辑关系，所述数据包括文字以及所述文字的文字特征；

根据所述逻辑关系对所述数据进行结构化处理，得到结构化数据；

所述根据所述逻辑关系对所述数据进行结构化处理，得到结构化数据包括：根据业务规则从所述数据中选取部分数据，所述业务规则为所需数据的位置信息和/或所需数据要满足的条件信息；根据所述部分数据对应的逻辑关系对所述部分数据进行结构化处理，得到结构化数据。

2.根据权利要求1所述的方法，其特征在于，所述确定所述多张图像包括的图像块的类型和位置包括：

通过版面分析算法对所述多张图像进行分析，得到所述多张图像包括的图像块的类型和位置。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

根据映射规则将所述结构化数据中的数据添加至文档模板，得到文档。

4.根据权利要求3所述的方法，其特征在于，所述映射规则包括键值对，所述根据映射规则将所述结构化数据中的数据添加至文档模板，得到文档包括：

根据所述键值对中的键，确定文档模板中的待填写位置；

将所述结构化数据中所述键对应的值添加至所述待填写位置，得到文档。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述模板图像；

根据所述业务规则在所述模板图像中标记掩模区域，得到所述标记模板图像。

6.根据权利要求1-2、4-5中任一项所述的方法，其特征在于，所述根据所述图像块的类型和所述图像块的位置，提取所述图像块中的数据以及所述数据之间的逻辑关系包括：

在第一图像块的类型为文字的情况下，根据所述第一图像块的位置提取所述第一图像块的图像特征，所述第一图像块为所述图像块中的任一图像块；

根据所述图像特征确定所述第一图像块中文字行的位置；

根据所述图像特征提取所述文字行的位置所在文字以及所述文字的文字特征；

根据所述文字行的位置确定所述文字行的信息；

根据所述文字行的信息确定文字段落的信息；

所述根据所述逻辑关系对所述数据进行结构化处理，得到结构化数据包括：

根据所述文字行的信息和所述文字段落的信息对所述文字以及所述文字的文字特征进行结构化处理，得到结构化数据。

7.根据权利要求6所述的方法，其特征在于，所述提取所述第一图像块的图像特征包括：

通过图像特征提取网络提取所述第一图像块的图像特征。

8.根据权利要求6所述的方法，其特征在于，所述根据所述图像特征确定所述第一图像块中文字行的位置包括：

通过文字行定位网络根据所述图像特征确定所述第一图像块中文字行的位置。

9.根据权利要求6所述的方法，其特征在于，所述根据所述图像特征提取所述文字行的位置所在文字以及所述文字的文字特征包括：

通过文字识别网络根据所述图像特征识别所述文字行的位置所在文字；

通过字体识别网络根据所述图像特征识别所述文字行的位置所在文字的字体风格；

通过大小识别网络根据所述图像特征识别所述文字行的位置所在文字的字体大小；

通过划线识别网络根据所述图像特征识别所述文字行的位置所在文字的字体划线。