[发明专利]一种筛选文本的方法及装置

权利要求书

1.一种筛选文本的方法，包括：

对电子文档中的文本元素进行解析，得到所述文本元素的属性；所述对电子文档中的文本元素进行解析，得到所述文本元素的属性包括：如果所述电子文档是遵守openxml标准协议的word文档，对所述电子文档进行解压缩，得到所述电子文档的子文件，根据openxml标准协议，从所述子文件中得到使用xml标签描述所述电子文档的文本元素及其属性的控制文件，从所述控制文件中使用Apache POI提供的接口或者根据文件直接属性的引用关系读取出文本元素及用于描述所述文本元素属性的xml标签；如果所述电子文档不是遵守openxml标准协议的word文档，将所述电子文档转换为遵守openxml标准协议的文档，进入所述对电子文档进行解压缩的步骤；

根据所述文本元素的属性，从所述文本元素中筛选出属性符合属性筛选规则的文本元素，所述属性符合属性筛选规则的文本元素的属性是用户添加的；所述根据所述文本元素的属性，从所述文本元素中筛选出属性符合属性筛选规则的文本元素包括：从读取出的文本元素中筛选出所述属性筛选规则设置的筛选xml标签所描述的文本元素。

2.根据权利要求1所述的方法，其中，所述属性筛选规则包括：对具有指定字体属性的文本元素的筛选规则、对具有指定段落属性的文本元素的筛选规则、和/或者，对具有指定样式属性的文本元素的筛选规则。

3.根据权利要求2所述的方法，其中，所述对具有指定字体属性的文本元素的筛选规则具体为，对具有高亮字体属性的文本元素的筛选规则；

所述对具有指定样式属性的文本元素的筛选规则具体为，对具有标题属性的文本元素的筛选规则。

4.根据权利要求1-3任一项所述的方法，还包括：

将筛选出的所有文本元素以预置属性输出到预置格式的另一电子文档中。

5.一种筛选文本的装置，包括：

解析单元，配置用于对电子文档中的文本元素进行解析，得到所述文本元素的属性；

筛选单元，配置用于根据所述文本元素的属性，从所述文本元素中筛选出属性符合属性筛选规则的文本元素，所述属性符合属性筛选规则的文本元素的属性是用户添加的；

所述解析单元包括：

压缩文档解析子单元，配置用于如果所述电子文档是遵守openxml标准协议的word文档，对所述电子文档进行解压缩，得到所述电子文档的子文件；

标签读取子单元，配置用于根据openxml标准协议，从所述子文件中得到使用xml标签描述所述电子文档的文本元素及其属性的控制文件，从所述控制文件中使用Apache POI提供的接口或者根据文件直接属性的引用关系读取出文本元素及用于描述所述文本元素属性的xml标签；

非压缩文档转换子单元，配置用于如果所述电子文档不是遵守openxml标准协议的word文档，将所述电子文档转换为遵守openxml标准协议的文档，触发所述压缩文档解析子单元对转换后的文档进行解压缩；

所述筛选单元，具体配置用于从所述标签读取子单元读取出的文本元素中筛选出所述属性筛选规则设置的筛选xml标签所描述的文本元素。

6.根据权利要求5所述的装置，其中，所述筛选单元，配置用于根据所述文本元素的属性，从所述文本元素中筛选出具有指定字体属性的文本元素、具有指定段落属性的文本元素、和/或者，具有指定样式属性的文本元素。

7.根据权利要求6所述的装置，其中，所述筛选单元，配置用于根据所述文本元素的属性，从所述文本元素中筛选出具有高亮字体属性的文本元素、以及，具有标题属性的文本元素。

8.根据权利要求5-7任一项所述的装置，还包括：

输出单元，配置用于将筛选出的所有文本元素以预置属性输出到预置格式的另一电子文档中。