[发明专利]一种文本解析方法及装置

权利要求书

1.一种文本解析方法，其特征在于，包括：

获得由业务系统下发的至少一条半结构化数据，各所述半结构化数据中均包括标签值信息，所述标签值信息中对应保存有标签名和标签值；

指令解析器，以使得所述解析器按照预先设置的与各所述半结构化数据相匹配的数据结构信息，分别从各所述半结构化数据中查找出各所述标签值信息；

从已查找出的各所述标签值信息中，确定与目标排列标签相匹配的目标标签值，所述目标排列标签是在预先设置的映射文件信息中定义好的；

按照所述映射文件信息中定义的标签排列次序，对所述目标标签值进行排序；

将排序好的目标标签值保存至目标文件中。

2.根据权利要求1所述的方法，其特征在于，所述数据结构信息中包括有多条标准结构信息，各所述标准结构信息均与一条所述半结构化数据相匹配；所述指令解析器，以使得所述解析器按照预先设置的与各所述半结构化数据相匹配的数据结构信息，分别从各所述半结构化数据中查找出各所述标签值信息，包括：

指令解析器，以使得所述解析器分别基于各所述标准结构信息，从相应的一条所述半结构化数据中确定出一条相应的所述标签值信息，以获得各所述标签值信息。

3.根据权利要求2所述的方法，其特征在于，各所述标准结构信息中均包括：当前标签、节点类型、父节点标签、层级和标签内置类型。

4.根据权利要求1所述的方法，其特征在于，所述数据结构信息保存在第一配置文件中，所述映射文件信息保存在第二配置文件中。

5.根据权利要求1所述的方法，其特征在于，所述获得由业务系统下发的至少一条半结构化数据，包括：

获得由所述业务系统下发的至少一个业务数据文件，各所述业务数据文件中均包括至少一条所述半结构化数据；

分别检查各所述业务数据文件是否有效，分别将有效的各所述业务数据文件确定为一个待解析数据文件；

基于组合文本输入格式对各所述待解析数据文件进行处理，获得至少一个处理后数据文件，所述处理后数据文件中包括至少一条所述半结构化数据。

6.根据权利要求5所述的方法，其特征在于，所述基于组合文本输入格式对各所述待解析数据文件进行处理，获得至少一个处理后数据文件，包括：

将各所述待解析数据文件中的至少一个小数据文件合并为一个所述处理后数据文件，所述小数据文件为数据量不大于预设的第一数据量阈值的所述业务数据文件，所述处理后数据文件的数据量不大于预设的第二数据量阈值。

7.根据权利要求5所述的方法，其特征在于，所述基于组合文本输入格式对各所述待解析数据文件进行处理，获得至少一个处理后数据文件，包括：

分别对各所述待解析数据文件中的各大数据文件进行切片处理，获得多个小数据文件，所述大数据文件为数据量大于预设的第三数据量阈值的所述业务数据文件，所述小数据文件为数据量不大于预设的第四数据量阈值的所述业务数据文件；

将各所述小数据文件合并为至少一个所述处理后数据文件，各所述处理后数据文件的数据量均不大于预设的第五数据量阈值。

8.一种文本解析装置，其特征在于，包括：第一获得单元、指令单元、第一确定单元、排序单元和保存单元；其中：

所述第一获得单元，被配置为执行：获得由业务系统下发的至少一条半结构化数据，各所述半结构化数据中均包括标签值信息，所述标签值信息中对应保存有标签名和标签值；

所述指令单元，被配置为执行：指令解析器，以使得所述解析器按照预先设置的与各所述半结构化数据相匹配的数据结构信息，分别从各所述半结构化数据中查找出各所述标签值信息；

所述第一确定单元，被配置为执行：从已查找出的各所述标签值信息中，确定与目标排列标签相匹配的目标标签值，所述目标排列标签是在预先设置的映射文件信息中定义好的；

所述排序单元，被配置为执行：按照所述映射文件信息中定义的标签排列次序，对所述目标标签值进行排序；

所述保存单元，被配置为执行：将排序好的目标标签值保存至目标文件中。