[发明专利]智能文档处理方法、系统、计算机设备及介质

权利要求书

1.一种智能文档处理方法，其特征在于，包括以下步骤：

获取数据源文档的xml文件，所述xml文件包括至少一个段落节点，所述段落节点中包括至少一个目标文本节点；

对所述xml文件进行标准化处理，得到目标xml文件，所述标准化处理包括依次执行的目标文本节点合并、目标文本节点拆分和添加节点标识符；

对所述目标xml文件进行压缩处理，得到标准化数据源文档；

对所述标准化数据源文档进行数据提取，并根据数据提取结果建立文档数据库。

2.根据权利要求1所述的智能文档处理方法，其特征在于，对所述xml文件进行标准化处理，包括以下步骤：

采用递归算法遍历所述xml文件中的所有段落节点；

将任一段落节点中的所有目标文本节点合并到同一段落节点中的第一目标文本节点；

根据目标文本节点合并结果确定第一xml文件。

3.根据权利要求2所述的智能文档处理方法，其特征在于，对所述xml文件进行标准化处理，包括以下步骤：

获取目标文本节点合并处理得到的第一xml文件；

采用递归算法遍历所述第一xml文件中的所有段落节点；

基于第一目标文本节点中的预设锚点标记对所述第一目标文本节点中的文本内容进行拆分；

根据目标文本节点拆分结果确定第二xml文件。

4.根据权利要求1所述的智能文档处理方法，其特征在于，对所述xml文件进行标准化处理，包括以下步骤：

获取目标文本节点拆分处理得到的第二xml文件；

采用递归算法遍历所述第二xml文件中的所有目标节点，所述目标节点包括段落节点和目标文本节点；

根据递归顺序确定所述目标节点的节点标识符，所述节点标识符与所述目标节点一一对应，所述节点标识符的值根据递归顺序依次递增；

将所述节点标识符添加至对应的所述目标节点的属性列表；

根据节点标识符添加结果确定所述目标xml文件。

5.根据权利要求1所述的智能文档处理方法，其特征在于，所述对所述标准化数据源文档进行数据提取，包括以下步骤：

对所述标准化数据源文档进行解压，得到具有节点标识符的目标xml文件；

对所述目标xml文件中所有节点的节点数据进行数据解析，所述节点数据包括文本内容数据、节点标签数据及文本类型数据；

根据数据解析结果确定目标结构化数据。

6.根据权利要求5所述的智能文档处理方法，其特征在于，所述根据数据提取结果建立文档数据库，包括以下步骤：

基于所述节点标签数据获取所述目标结构化数据中的所有目录标题节点；

获取每个所述目录标题节点的目录标题数据及所述目录标题节点与正文文本之间的对应关系；

根据所述目录标题数据及所述对应关系确定所述文档数据库中的文档目录数据集。

7.根据权利要求5所述的智能文档处理方法，其特征在于，所述根据数据提取结果建立文档数据库，包括以下步骤：

基于所述节点标签数据获取所述目标结构化数据中的所有段落节点；

遍历每个段落节点中的目标文本节点的节点段落数据；

根据所述段落节点及所述节点段落数据确定所述文档数据库中的文档段落数据集。

8.根据权利要求5所述的智能文档处理方法，其特征在于，所述根据数据提取结果建立文档数据库，包括以下步骤：

基于所述节点标签数据获取所述目标结构化数据中的所有表格节点；

遍历每个所述表格节点中的表格行节点及单元格节点；

根据遍历结果确定每个单元格在整体表格中的坐标参数；

根据所述表格节点、所述单元格节点及所述坐标参数确定所述文档数据库中的文档表格数据集。