[发明专利]标的物参数信息抽取方法、装置、存储介质及电子设备

权利要求书

1.一种标的物参数信息抽取方法，其特征在于，所述方法包括：

接收招标文件，并对所述招标文件进行预处理，得到PDF格式的招标文件；

对所述PDF格式的招标文件进行结构化处理，得到结构化的招标文件；

构建正则规则对所述结构化的招标文件中的目标标的物的参数信息进行信息抽取；

根据信息抽取过程中的中间信息建立抽取报告，得到抽取结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述PDF格式的招标文件进行结构化处理，得到结构化的招标文件，包括：

采用pypdf2提取PDF格式的招标文件中的书签信息；

构建正则规则对所述书签信息中的书签名称进行正则匹配，得到章节书签信息，所述章节书签信息包括各个章节的书签名称和位置；

根据所述章节书签信息对所述PDF格式的招标文件进行划分，得到招标文件中的各个章节内容；

构建正则规则对所述各个章节内容进行划分，得到每个章节内容中的各个小节的小节信息，所述小节信息包括各个小节的小节名称和位置。

3.根据权利要求2所述的方法，其特征在于，所述根据所述章节书签信息对所述PDF格式的招标文件进行划分，分别得到招标文件中的各个章节内容，包括：

根据所述各个章节的书签名称构建正则规则定位各个章节，并根据各个章节的位置划分所述招标文件，得到各个章节对应的章节文件；

采用pdfplumber识别每个章节文件，得到章节文本；

采用自然语言处理技术对所述章节文本进行清洗，得到清洗后的章节文本；

将所述清洗后的章节文本以txt格式进行存储。

4.根据权利要求2所述的方法，其特征在于，所述采用预设正则规则对所述结构化的招标文件中的目标标的物的参数信息进行信息抽取，包括：

构建正则规则定位目标标的物的参数信息在所述招标文件中所在的章节；

构建正则规则，在所述章节中定位目标标的物的参数信息在所述招标文件中所在的小节；

构建正则规则，将所述小节划分为多个标包，得到包含所述小节内容的各个标包；

对所述各个标包进行筛选，得到目标标的物所属的标包；

构建正则规则，定位目标标的物的参数信息在所述目标标的物所属的标包的小节内容中的定位位置；

从所述定位位置为起始，逐行进行参数识别，提取出与所述参数信息相对应的参数类型、参数名称和参数值；

将所述参数类型、参数名成和参数值，与所述参数类型、参数名成和参数值所属的招标文件名以键值对的格式一起存为python字典类型数据；

将所述python字典类型数据存储为json文件。

5.根据权利要求4所述的方法，其特征在于，所述对所述各个标包进行筛选，得到目标标的物所属的标包，包括：

通过检测标包中的小节内容开头是否包含所述目标标的物的名称来判断当前标包是否为所述目标标的物所属的标包。

6.根据权利要求4所述的方法，其特征在于，所述从所述定位位置为起始，逐行进行参数识别，提取出与所述参数信息相对应的参数类型、参数名称和参数值，包括：

构建正则规则，判断当前行文本是否为一级标题，若是，则得到当前行文本的参数类型，并修改当前行文本的参数类型为清洗掉标题后的文本内容；

若否，则构建正则规则，判断当前行文本是否为二级标题且包含“参数名称：参数值”格式的文本，若是，则构建正则规则提取出参数名称和参数值，与当前行文本的参数类型作为一条参数项存为python字典类型数据；

若否，则构建正则规则，判断当前行文本是否为二级标题，若是，则将当前行文本的整行文本当作参数名称，将参数值置空，并保存当前参数项；

若否，则判断当前行文本是否为三级标题，若是，则将当前行文本清洗掉标题后加入上一条参数项的参数值中；

若否，则将当前行文本加入到上一条参数项的参数值中；

切换到下一行行文本，重复上述步骤，直至识别完当前标包内的所有小节内容。