[发明专利]信息文档的处理方法及装置

权利要求书

1.一种信息文档的处理方法，其特征在于，该方法包括：

A、将可扩展标记语言XML文档标签信息映射到可由下标访问的XML文档向量模型中；

B、依据滞后处理策略信息，通过下标访问并处理所述XML文档向量模型的结构元素，其中对于需要滞后处理的信息暂不处理，记录该滞后处理信息的下标；

C、根据步骤B中记录的需要滞后处理信息的下标，访问并处理所述XML文档向量模型中对应的结构元素。

2.根据权利要求1所述的方法，其特征在于，所述步骤A中，将所述XML文档中的每一个标签所包含的信息对应映射到XML文档向量模型的一个结构元素中，其中一个标签映射的结构元素包含有以下内容信息：

1)当前标签在XML文档中的顺序编号；

2)当前标签到包含此标签的父标签顺序编号的距离；

3)当前标签包含的子标签个数；

4)当前标签的标签名；

5)当前标签的属性信息；

6)当前标签包含的起始文本内容；

7)当前标签包含的结束文本内容。

3.根据权利要求2所述的方法，其特征在于，所述步骤A以基于事件驱动分析处理的方式进行处理，具体包括以下事件驱动处理过程：

起始文档事件驱动处理：建立或清理一个可以通过下标访问的数据结构作为所述XML文档向量模型，初始化当前处理标签下标；

起始标签事件驱动处理：构建一个新标签的结构元素，并对该新结构元素的顺序编号、该新标签到父标签顺序编号的距离、该新结构元素的标签名称以及属性进行赋值，并将该新建的结构元素加入到可用下标访问的数据结构中，变更当前处理下标为当前结构元素的顺序编号；

内容处理事件驱动处理：判断当前遇到的内容是起始内容还是结束内容，如是起始内容，将对当前元素结构的起始内容赋值，否则对当前元素结构的结束内容赋值；

结束标签事件驱动处理：对当前处理结构元素的包含子元素数赋值，并将当前处理结构元素的父元素下标赋给当前处理标签下标。

4.根据权利要求1所述的方法，其特征在于，所述步骤B具体包括：

B1、将所述XML文档向量模型的第一个结构元素作为当前结构元素，构建该结构元素对应的处理上下文作为当前处理上下文；

B2、在当前处理上下文中进行当前结构元素起始阶段的处理；

B3、在当前处理上下文中进行当前结构元素起始内容的处理，并为当前子结构元素下标赋值；

B4、判断当前子结构元素下标是否在当前结构元素的子结构元素范围内，如果是则进入到步骤B9，否则进入到步骤B5；

B5、在当前处理上下文中进行当前结构元素对应的结束内容的处理；

B6、在当前处理上下文中进行当前结构元素对应的结束阶段的处理；

B7、判断当前结构元素是否为根结构元素，如果是则结束本流程，否则进入步骤B8；

B8、将当前子结构元素下标设为当前结构元素的兄弟结构元素下标，并返回到当前结构元素的父结构元素的处理上下文中，进入步骤B4；

B9、依据预设的处理策略信息，判断当前子结构元素是否可以滞后处理，如果是则进入步骤B10，否则进入步骤B11；

B10、记录当前子结构元素下标的值，之后将当前子结构元素下标的值改为下一子结构元素位置，进入步骤B4；

B11、将当前处理上下文进行相应的处理，将当前子结构元素作为当前处理结构元素，并构建当前处理结构元素对应的处理上下文作为当前处理上下文，返回步骤B2。

5.根据权利要求1或4所述的方法，其特征在于，步骤B中所述的滞后处理策略信息包括：判断当前处理的信息是否为后继处理过程中的必须项，如果不是必须项，且不是同等级信息中的首项，则可滞后处理。