[发明专利]智能文档处理方法、系统、计算机设备及介质

说明书

本发明公开了一种智能文档处理方法、系统、计算机设备及介质，该方法包括：获取数据源文档的xml文件，xml文件包括至少一个段落节点，段落节点中包括至少一个目标文本节点；对xml文件进行标准化处理，得到目标xml文件，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；对目标xml文件进行压缩处理，得到标准化数据源文档；对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。本发明通过对数据源文档进行标准化处理及数据提取建立数据源文档数据库，为智能化文档编辑操作提供数据基础，有利于节省人工成本和时间成本，提高文档编辑效率和准确性。

技术领域

本发明涉及文档处理技术领域，尤其涉及一种智能文档处理方法、系统、计算机设备及介质。

背景技术

随着互联网安全性的提高，基于互联网技术开展金融业务的服务模式在金融领域得到了广泛推广。

在现有技术中，互联网金融业务通常基于代码化的XML模式进行文档交互，操作人员基于代码化数据，采用人工手动将所需数据输入到报表中，其存在以下问题，代码化数据格式不统一，通过人工手动撰写方式进行报表内容填充、修改和删除等操作，需要将大量时间和人力资源投入到文本的编辑和核准中，效率低下、成本高。

发明内容

本发明提供一种智能文档处理方法、系统、计算机设备及介质，以实现使用软件程序替代人工实现文档编辑，智能化程度高，解决了人工编辑成本高、效率低的问题，方便便捷。

第一方面，本发明实施例提供了一种智能文档处理方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。