[发明专利]数据处理方法、设备及计算机可读存储介质

说明书

本发明公开了一种数据处理方法、设备及计算机可读存储介质，其中，方法包括：在HTML文档的HTML元素中，确定银行流水文档中各个表头名称对应的表头HTML元素以及各个表文文本对应的表文HTML元素；基于表头HTML元素以及表文HTML元素，确定各个表头名称和各个表文文本在银行流水文档中的位置信息；基于所述HTML文档中各个所述表文HTML元素的顺序，遍历各个表文HTML元素，并基于位置信息生成各个当前遍历的表文HTML元素对应的键值对；基于所述键值对确定银行流水文档对应的流水记录信息，在各个表文HTML元素遍历完成时，输出流水记录信息。本发明通过对文档的解析将银行流水信息转变为结构化的流水数据，确保了银行流水信息解析结果的准确性、有效性。

技术领域

本发明涉及数据处理领域，尤其涉及一种数据处理方法、设备及计算机可读存储介质。

背景技术

银行流水，是指银行账户的交易明细。在现代社会中，银行流水的作用越来越大，人们在进行办理住房贷款、车贷、申请信用卡等操作时，都需要提供银行流水。对银行流水的各类收入、支出等进行分类汇算，可以综合分析评估账户所有人的资金实力、偿债能力等。但由于每家银行的系统不一致，所以获取到的不同银行的银行流水PDF文档之间存在较大的差异，为了将不同银行的银行流水信息统合为同一种信息，需要寻求能够对多家主流银行的银行流水文档进行解析的统一方法。

在相关技术中，为了识别与解析银行流水文档，一般是应用OCR技术对流水文档进行快速扫描并获得相关信息，但是由于OCR技术容易受到图像明暗、字体大小、颜色不同等影响，导致解析出来的银行流水信息准确性不高。

发明内容

本发明的主要目的在于提供一种数据处理方法、设备及计算机可读存储介质，旨在解决银行流水信息解析结果的准确性不高的技术问题。

为实现上述目的，本发明提供一种数据处理方法，所述数据处理方法包括以下步骤：

将银行流水文档转换为HTML文档，并在所述HTML文档的HTML元素中，确定所述银行流水文档中各个表头名称对应的表头HTML元素以及各个表文文本对应的表文HTML元素；

基于所述表头HTML元素以及所述表文HTML元素，确定各个所述表头名称和各个所述表文文本在所述银行流水文档中的位置信息；

基于所述HTML文档中各个所述表文HTML元素的顺序，遍历各个所述表文HTML元素，并基于所述位置信息生成各个当前遍历的表文HTML元素对应的键值对，其中，所述键值对的value数据为当前遍历的表文HTML元素对应的当前表文文本，所述键值对的key数据为所述当前表文文本对应的表头名称；

基于所述键值对确定所述银行流水文档对应的流水记录信息，在各个所述表文HTML元素遍历完成时，输出所述流水记录信息。

优选地，所述基于所述HTML文档中各个所述表文HTML元素的顺序，遍历各个所述表文HTML元素，并基于所述位置信息生成各个当前遍历的表文HTML元素对应的键值对的步骤包括：

将当前遍历的表文HTML元素对应的表文文本作为待处理表文文本，基于所述位置信息，获取所述待处理表文文本对应的表文范围，其中，所述表文范围为所述待处理表文文本的横坐标范围，所述位置信息包括各个所述表头名称对应的表头起始坐标、表头像素宽度以及各个所述表文文本对应的表文起始坐标、表文像素宽度；

基于所述位置信息以及第一预设范围系数，获取各个所述表头名称对应的表头范围，其中，所述表头范围为各个所述表头名称对应的横坐标范围；

基于所述表文范围对各个所述表头范围进行对比，在各个所述表头范围中，确定是否存在覆盖所述表文范围的目标表头范围；

若存在，则基于所述待处理表文文本以及所述目标表头范围对应的表头名称，生成所述键值对。