[发明专利]基于RUTA规则语言进行法规文本解析的方法及系统

权利要求书

1.一种基于RUTA规则语言进行法规文本解析的方法，其特征在于，包括：

获取待解析的法规文本数据；

对所述法规文本数据的内容进行标记，获取标记结果数据；

将所述标记结果数据解析为结构化的法规文本数据并存储。

2.根据权利要求1所述的基于RUTA规则语言进行法规文本解析的方法，其特征在于，获取待解析的法规文本数据的方法包括：

识别并抓取网页上的法规文本数据，将所述法规文本数据清洗后存储到第一数据库中；

从所述第一数据库中获取待解析的法规文本数据。

3.根据权利要求1所述的基于RUTA规则语言进行法规文本解析的方法，其特征在于，对所述法规文本数据的内容进行标记，获取标记结果数据的方法包括：

针对法规文本数据中的内容特征点分别设置对应的文本标记规则，生成文本标记模型；

利用所述文本标记模型对所述法规文本数据的内容进行标记，得到标记结果数据，所述标记结果数据用于将法规文本数据中每个部分内容与其对应的标记对应保存，同时保存每个部分内容之间的关系。

4.根据权利要求3所述的基于RUTA规则语言进行法规文本解析的方法，其特征在于，所述内容特征点包括法规名称特征、日期特征以及法规文本格式特征。

5.根据权利要求4所述的基于RUTA规则语言进行法规文本解析的方法，其特征在于，针对法规文本数据中的法规名称特征设置对应的文本标记规则的方法包括：

基于正则表达式设置法规名称结束标志符；

遍历法规文本数据，获取并标记所有包含书名号的数据；

从所有包含书名号的数据中筛选出包含法规名称结束标志符的数据，并标记为法规名称。

6.根据权利要求5所述的基于RUTA规则语言进行法规文本解析的方法，其特征在于，针对法规文本数据中的法规名称特征设置对应的文本标记规则的方法还包括：

创建法规名称存储表并预存储多个法规名称；

遍历法规文本数据，获取与所述法规名称存储表中存在的法规名称相一致的数据，并标记为法规名称。

7.根据权利要求5或6所述的基于RUTA规则语言进行法规文本解析的方法，其特征在于，针对法规文本数据中的法规名称特征设置对应的文本标记规则的方法还包括：

从所有包含书名号的数据中筛选出符合预设格式的数据，并标记为法规名称，其中，所述预设格式为：本+法规名称结束标志符。

8.根据权利要求4所述的基于RUTA规则语言进行法规文本解析的方法，其特征在于，针对法规文本数据中的日期特征设置对应的文本标记规则的方法包括：

利用正则表达式设置日期识别规则；

遍历法规文本数据，获取并标记所有包含数字的数据，所述数字的类型包括阿拉伯数字和中文大写数字；

从所有包含数字的数据中筛选出符合日期识别规则的数据，并标记为日期。

9.根据权利要求8所述的基于RUTA规则语言进行法规文本解析的方法，其特征在于，针对法规文本数据中的法规文本格式特征设置对应的文本标记规则的方法包括附件标记方法，所述附件标记方法具体包括：

利用正则表达式设置附件开始标志符；

遍历法规文本数据，获取并标记所有符合附件开始标志符的数据；

将所述符合附件开始标志符的数据之后紧跟的文本数据或所述符合附件开始标志符的数据下一行的文本数据标记为附件标题；

将标记为附件标题的数据与下一个标记为附件开始标志符的数据之间的数据标记为当前附件标题的附件正文，以及将最后一个标记为附件标题的数据之后的所有数据标记为最后一个附件标题的附件正文。