[发明专利]一种文档数据提取方法及装置

权利要求书

1.一种文档数据提取方法，其特征在于，包括：

当检测到文档数据提取请求时，基于所述文档数据提取请求中包含的待处理文档的标识信息确定数据定位信息；所述数据定位信息包括预设类型信息及其对应的特征信息；

基于所述预设类型信息及其对应的特征信息，获取所述待处理文档中的表格信息和非表格信息；所述表格信息包括全表格信息和半表格信息；

基于预设提取策略从所述表格信息和所述非表格信息中，提取出所述待处理文档对应的目标数据。

2.如权利要求1所述的文档数据提取方法，其特征在于，所述特征信息包括所述预设类型信息对应的关键信息；所述关键信息包括表前关键信息、表内关键信息、表后关键信息和表字段信息；

所述基于所述预设类型信息及其对应的特征信息，获取所述待处理文档中的表格信息和非表格信息，包括：

基于所述表前关键信息、所述表内关键信息、所述表后关键信息和所述表字段信息，遍历所述待处理文档获取所述待处理文档中的表格信息；

基于所述待处理文档和所述表格信息，确定所述待处理文档对应的非表格信息。

3.如权利要求2所述的文档数据提取方法，其特征在于，所述表格信息包括所述待处理文档中的目标表的位置信息和类型信息；

所述基于所述表前关键信息、所述表内关键信息、所述表后关键信息和所述表字段信息，遍历所述待处理文档获取所述待处理文档中的表格信息，包括：

遍历所述待处理文档，查找第一目标信息；所述第一目标信息为同时与所述表前关键信息、所述表内关键信息、所述表后关键信息和所述表字段信息均匹配的信息；

当从所述待处理文档中查找到所述第一目标信息时，获取所述第一目标信息对应的目标表的位置信息和类型信息。

4.如权利要求2所述的文档数据提取方法，其特征在于，所述基于所述表前关键信息、所述表内关键信息、所述表后关键信息和所述表字段信息，遍历所述待处理文档获取所述待处理文档中的表格信息，包括：

遍历所述待处理文档，从所述待处理文档中查找第二目标信息，所述第二目标信息为同时与所述表前关键信息、所述表内关键信息和所述表后关键信息均匹配的信息；

当从所述待处理文档中查找到所述第二目标信息时，获取所述第二目标信息对应的位置信息和目标表的信息；

基于所述目标表的信息和所述表字段信息，确定所述目标表的类型信息；

基于所述位置信息和所述类型信息，确定表格信息。

5.如权利要求2所述的文档数据提取方法，其特征在于，所述关键信息包括：排除关键信息、包含关键信息、停止关键信息；所述排除关键信息标识所述预设类型信息对应的表中不包含所述排除关键信息；所述包含关键信息标识所述预设类型信息对应的表中包含所述包含关键信息；所述停止关键信息用于暂停匹配所述待处理文档和所述特征信息。

6.如权利要求1-5任一项所述的文档数据提取方法，其特征在于，所述当检测到文档数据提取请求时，基于所述文档数据提取请求中包含的待处理文档的标识信息确定数据定位信息，包括：

当检测到文档数据提取请求时，获取所述文档数据提取请求中包括的待处理文档的标识信息；

基于预设标识信息和预设数据定位信息之间的对应关系，确定所述文档标识信息对应的数据定位信息。

7.一种文档数据提取装置，其特征在于，包括：

第一确定单元，用于当检测到文档数据提取请求时，基于所述文档数据提取请求中包含的待处理文档的标识信息确定数据定位信息；所述数据定位信息包括预设类型信息及其对应的特征信息；

第一获取单元，用于基于所述预设类型信息及其对应的特征信息，获取所述待处理文档中的表格信息和非表格信息；所述表格信息包括全表格信息和半表格信息；

提取单元，用于基于预设提取策略从所述表格信息和所述非表格信息中，提取出所述待处理文档对应的目标数据。