[发明专利]信息抽取方法、装置、电子设备及存储介质

说明书

本公开提供了一种信息抽取方法、装置、电子设备及存储介质，涉及数据处理领域，尤其涉及数据提取领域。具体实现方案为：将待抽取文档转换为无空格文本；查找各指定字段在无空格文本中的索引位置；针对每个指定字段对应的索引位置，从无空格文本中截取该索引位置之前第一长度的文本和之后第一长度的文本，得到该指定字段对应的命中文本；通过该指定字段对应的预设正则表达式，对命中文本进行匹配，得到命中文本中与预设正则表达式相匹配部分的起止索引区间；基于起止索引区间从待抽取文档中抽取该指定字段对应的字段值。节省了人力和时间成本。

技术领域

本公开涉及数据处理技术领域，尤其涉及数据提取技术领域。

背景技术

一些企事业单位随着业务的发展，会积累大量包含相似信息的同类型历史文档，例如PDF文档。为了方便存储和查询这些历史文档中的信息，可以对同类型历史文档进行信息抽取，并对抽取出的信息进行结构化存储。

发明内容

本公开提供了一种信息抽取方法、装置、电子设备及存储介质。

根据本公开的第一方面，提供了一种信息抽取方法，包括：

将待抽取文档转换为无空格文本；

查找各指定字段在所述无空格文本中的索引位置；

针对每个指定字段对应的索引位置，从所述无空格文本中截取该索引位置之前第一长度的文本和之后第一长度的文本，得到该指定字段对应的命中文本；

通过该指定字段对应的预设正则表达式，对所述命中文本进行匹配，得到所述命中文本中与所述预设正则表达式相匹配部分的起止索引区间；

基于所述起止索引区间从所述待抽取文档中抽取该指定字段对应的字段值。

根据本公开的第二方面，提供了一种信息抽取装置，包括：

第一转换模块，用于将待抽取文档转换为无空格文本；

查找模块，用于查找各指定字段在所述无空格文本中的索引位置；

截取模块，用于针对每个指定字段对应的索引位置，从所述无空格文本中截取该索引位置之前第一长度的文本和之后第一长度的文本，得到该指定字段对应的命中文本；

匹配模块，用于通过该指定字段对应的预设正则表达式，对所述命中文本进行匹配，得到所述命中文本中与所述预设正则表达式相匹配部分的起止索引区间；

抽取模块，用于基于所述起止索引区间从所述待抽取文档中抽取该指定字段对应的字段值。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面所述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开实施例提供的一种信息抽取方法的流程图；