CN110941946A - 一种信息提取方法、装置、设备及存储介质 - Google Patents

Abstract

本发明提供一种信息提取方法，装置、设备及存储介质。包括采集原始文本数据；根据原始文本数据，确定原始文本数据的属性；根据原始文本数据的属性，格式处理原始文本数据，得到格式字符串；泛化格式字符串，得到泛化数据；解析泛化数据，得到解析数据，提取所述解析数据。与现有技术相比，该技术采集原始文本数据，并不立即对数据进行格式处理，而是确定原始文本数据的属性，根据原始文本数据的属性，选择灵活的格式方式，有目的性的对原始文本数据进行相应的格式处理，得到需要的泛化数据，进而得到所需的解析数据，从而提高了信息传输与同步的速率。

Description

一种信息提取方法、装置、设备及存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种信息提取方法、装置、设备及存储介质。

背景技术

多个软件系统共同使用时，数据的同步和通信是一个经常遇到的问题，需要用合理、高效、安全的方式来进行数据的传输和解析。

目前，行业内对于数据的传输与解析数据多采用JSON格式，而如果使用 JSON格式进行传输，则仅可使用固定的格式进行传输和接收数据，对于接收方，必须定义同样的格式进行数据接收，这会导致双方系统需要耗费额外的精力用于处理数据的子级结构关系上，灵活性受到很大限制。

发明内容

本发明提供一种信息提取方法、装置、设备及存储介质。根据实际项目需求格式处理原始文本数据，解析出解析数据，在方式上处理更加灵活，从而提高了信息的传输效率。

第一方面，本申请实施例提供一种信息提取方法，包括：采集原始文本数据；根据所述原始文本数据，确定所述原始文本数据的属性；根据所述原始文本数据的属性，格式处理所述原始文本数据，得到格式字符串；泛化所述格式字符串，得到泛化数据；解析所述泛化数据，得到解析数据；提取所述解析数据。

该方法采集原始文本数据，并不立即对数据进行格式处理，而是首先确定原始文本数据的属性，根据原始文本数据的属性，选择灵活的格式方式，有目的性的对原始文本数据进行相应的格式处理，得到需要的泛化数据，进而得到所需的解析数据，从而提高了信息传输与同步的速率。

可选的，在得到格式字符串之前，还需根据格式需求，格式处理所述原始文本数据，得到相应的格式字符串。确定格式需求，直接得到所述格式需求的字符串，节省格式原始文本数据的时间，从而提高了传输信息的效率。

可选的，根据格式需求，格式处理所述原始文本数据，得到相应的格式字符串之后，泛化所述相应的格式字符串，得到相应的泛化数据。

可选的，根据得到解析数据之前，还需根据数据提取需求，解析泛化数据。

数据提取需求的设置，根据数据提取需求灵活的解析所述泛化数据，提取相应的解析数据，从而节省数据解析与提取的时间，进而提高了数据的传输效率。

下面提供一种信息提取装置、设备、存储介质及计算机程序产品，其效果可参考上述方法对应的效果，对此不再赘述。

第二方面，本申请实施例提供一种信息提取装置，包括：

采集模块，用于采集原始文本数据；

确定模块，用于根据所述原始文本数据，确定所述原始文本数据的属性；

第一处理模块，用于根据所述原始文本数据的属性，格式处理所述原始文本数据，得到格式字符串；

第一泛化模块，用于泛化所述格式字符串，得到泛化数据；

解析模块，用于解析所述泛化数据，得到解析数据；

第一提取模块，用于提取所述解析数据。

相对于现有技术，该信息提取装置采集原始文本数据，并不立即对数据进行格式处理，而是首先确定原始文本数据的属性，根据原始文本数据的属性，选择灵活的格式方式处理原始文本数据，得到需要的泛化数据，进而得到所需的解析数据，从而提高了信息传输与同步的速率。

可选的，第一处理模块，还包括，根据格式需求，格式处理原始文本数据，得到相应的格式字符串。

可选的，第一泛化模块，还包括，泛化相应的格式字符串，得到相应的泛化数据。

可选的，第一解析模块，还需根据数据提取需求，解析所述泛化数据。

第三方面，本申请实施例提供一种信息提取设备，包括：存储器和处理器；

存储器用于存储计算机指令；使得处理器运行如第一方面或第一方面的可选方式所述的信息提取方法。

第四方面，本申请提供一种存储介质，包括：可读存储介质和计算机指令，计算机指令存储在可读存储介质中；计算机指令用于实现如第一方面或第一方面的可选方式的信息提取方法。

第五方面，本申请提供一种计算机程序产品，包括：计算机指令，计算机指令用于实现如第一方面或第一方面的可选方式的信息提取方法。

综上，本申请实施例提供一种信息提取方法、装置、设备及存储介质。采集原始文本数据后，并不立即对数据进行格式处理，而是确定原始文本数据的属性，根据原始文本数据的属性，选择灵活的格式方式处理原始文本数据，得到需要的泛化数据，进而得到所需的解析数据，从而提高了信息传输与同步的速率。

进一步的，确定格式需求，直接得到所述格式需求的字符串，节省格式原始文本数据的时间，从而提高了传输信息的效率。

进一步的，数据提取需求，根据数据提取需求灵活的解析所述泛化数据，提取相应的解析数据，从而节省数据解析与提取的时间，进而提高了数据的传输效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本申请一实施例提供的应用场景示意图；

图2为本申请一实施例提供的一种信息提取方法的交互流程图；

图3为本申请另一实施例提供的一种信息提取方法的交互流程图；

图4为本申请再一实施例提供的一种信息提取方法的交互流程图；

图5为本申请一实施例提供的信息提取装置示意图；

图6为本申请一实施例提供的终端设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

图1为本申请一实施例提供的应用场景示意图，该网络架构中包括一台服务器101，至少一个终端设备102，终端设备102可以通过无线接口与服务器101通信。需要说明的是，本申请适用于图1所示的应用场景，但不限于此。

本申请中涉及的终端设备可以是向用户提供语音和/或数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其它处理设备。该终端设备可以经无线接入网(Radio Access Network，RAN)与至少一个核心网进行通信。该终端设备可以是移动终端，如移动电话(或称为“蜂窝”电话)和带有移动终端的计算机，在此不作限定。

如上所述，在现有技术中，进行数据的传输与解析采用的方式，不但灵活性受限，而且数据的传输效率也大大降低。为了解决该技术问题，本申请提供如下技术方案。

图2为本申请一实施例提供的一种信息提取方法的交互流程图。其中该方法涉及的网元包括：终端设备和服务器。下面以终端设备和服务器为执行主体对信息提取方法进行说明。如图2所示，该方法包括以下步骤：

步骤S201：终端设备采集原始文本数据；

步骤S202：终端设备根据原始文本数据，确定原始文本数据的属性；

步骤S203：终端设备根据原始文本数据的属性，格式处理原始文本数据，得到格式字符串；

步骤S204：终端设备泛化格式字符串，得到泛化数据；

步骤S205：终端设备解析泛化数据，得到解析数据；

步骤S206：服务器提取解析数据。

针对步骤S201、S202、S203、S204、S205、S206进行如下说明：

针对步骤S201进行说明：

原始文本数据包括但不限于汉字、英文字母、拼音符号和/或汉字、英文字母拼音符号的组合。

针对步骤S202进行说明：

原始文本数据的属性包括但不限于汉字的个数、想要提取的信息、目录等。

针对步骤S203进行说明：

终端设备根据原始文本数据的属性，格式处理原始文本数据，得到格式字符串。示例性地，格式处理原始文本数据为用正则表达式的形式来分隔信息字段，使用英文小括号”(“和“)”作为标识，即为格式。

示例性地，格式字符串为小括号”(”和”)”之间的所匹配到的内容为字段信息。如：(\d+)\s(\S+)\s(\S+)\s(\S+)\s(\S+)\s(\S+)\s(\S+)。

再如：\"ID\":\"([^\"]*)\",\"name\":\"([^\"]*)\",\"primary\":\"([^\"]*)\",\" junior\":\"([^\"]*)\",\"high\":\"([^\"]*)\",\"university\":\"([^\"]*)\"。

针对步骤S204进行说明：

终端设备泛化格式字符串，得到泛化数据。

示例性地，泛化数据如：101129741赵钱孙XXXX小学YYYY中学 YYYY中学ZZZZ大学。

针对步骤S205进行说明：

终端设备解析泛化数据，得到解析数据，所述解析数据即为根据原始文本数据的属性得出的解析数据，示例性地，解析数据后提取的信息如下表所示：

用户信息User

提取解析数据，用户根据自己的需求，从服务器提取相应的解析数据。

综上所述，本实施例所提供的方法，采集原始文本数据后，并不立即对数据进行格式处理，而是确定原始文本数据的属性，根据原始文本数据的属性，选择灵活的格式方式处理原始文本数据，得到需要的泛化数据，进而得到所需的解析数据，从而提高了信息传输与同步的速率。

图3为本申请另一实施例提供的一种信息提取方法的交互流程图。其中该方法涉及的网元包括：终端设备和服务器。下面以终端设备和服务器为执行主体对信息提取方法进行说明。如图3所示，在上述步骤S203之前，所述方法还包括如下步骤：

步骤S301：终端设备根据格式需求，格式处理原始文本数据，得到相应的格式字符串。

相应的，上述步骤S301之后还包括如下步骤：

步骤S302：终端设备泛化相应的格式字符串，得到相应的泛化数据。

步骤S303：终端设备解析相应的泛化数据，得到相应的解析数据；

步骤S304：服务器提取相应的解析数据。

需要说明的是：步骤S301在上述步骤步骤S202之后，步骤S302之前。

针对步骤S301进行说明：

可选方式一，终端设备根据相应的格式需求，可以将原始文本数据做相应的格式处理，例如“json格式、泛化格式”，本申请对此不作限制。

可选方式二，终端设备也可以直接将原始文本数据格式处理，处理成提前设定的N中格式，服务器提取解析数据时，直接选择想提取的数据。本申请对此不作限制。

针对步骤S302至步骤S304进行说明：

可选方式一：根据上述步骤S301所选的方式，若步骤S301选用其中一种格式处理原始文本数据，则服务器要求此种格式处理，则终端设备泛化相应的格式字符串，得到相应的泛化数据，然后终端设备解析相应的泛化数据，得到相应的解析数据供服务器提取相应的解析数据。

可选方式二：若步骤S301未选用任何一种格式处理原始文本数据，则终端设备会格式N种方式的原始文本数据，相应的，终端设备泛化N种格式字符串，得到N种相应的泛化数据，终端设备解析N种相应的泛化数据，得到相应的N种解析数据供服务器选择提取。

示例性地，终端设备需要将一个用户信息数据提供给服务器，该信息的原始文本数据为：ID，姓名，教育经历三个属性，教育经历中包含小学，初中，高中，本科共四项子属性。

若服务器提取原始文本信息时需要以下三种格式方式，得到相应的格式字符串，如下所示：

格式一：

(\d+)\s(\S+)\s(\S+)\s(\S+)\s(\S+)\s(\S+)\s(\S+)

格式二：

\"ID\":\"([^\"]*)\",\"name\":\"([^\"]*)\",\"primary\":\"([^\"]*)\",\"junior \":\"([^\"]*)\",\"high\":\"([^\"]*)\",\"university\":\"([^\"]*)\"

格式三：

ID＝(\d+),name＝([^\＝,]+),primary＝([^\＝,\s]+)\sjunior:([^\＝,]+),high ＝[([^\＝,]+)],university＝([^\＝,]+)

则对应的泛化上述格式字符串，得到泛化数据如下：

泛化数据一：

101129741赵钱孙XXXX小学YYYY中学YYYY中学ZZZZ大学

泛化数据二：

”ID”:”101129741”,”name”:”赵钱孙”,”primary”:”XXXX小学”,” junior”:”YYYY中学”,”high”:”YYYY中学”,”university”:”ZZZZ大学”

泛化数据三：

ID＝101129741,name＝赵钱孙,primary＝XXXX小学junior:YYYY中学,high＝[YYYY中学],university＝ZZZZ大学

解析上述泛化数据，得到解析数据如下：

解析数据一：101129741赵钱孙XXXX小学YYYY中学YYYY中学 ZZZZ大学

解析数据二：ID：101129741，姓名：赵钱孙，小学：XXXX小学，初中： YYYY中学，高中：YYYY中学，大学：ZZZZ大学

解析数据三：ID＝101129741，姓名＝赵钱孙，小学＝XXXX小学，初中＝YYYY中学，高中＝YYYY中学，大学＝ZZZZ大学

服务器根据需求，自由选择提取所需的解析数据。

综上，服务器确定格式需求，直接得到所述格式需求的字符串，节省格式原始文本数据的时间，灵活格式相应的字符串，从而提高了传输信息的效率。

图4为本申请再一实施例提供的一种信息提取方法的交互流程图。其中该方法涉及的网元包括：终端设备和服务器。下面以终端设备和服务器为执行主体对信息提取方法进行说明。如图4所示，在上述步骤S205之前，所述方法还包括如下步骤：

步骤S401：根据数据提取需求，解析泛化数据。

需要说明的是，图4所示步骤401在步骤S204之后执行，实际上，步骤S401可以在步骤S203、步骤S204之前执行，本申请对步骤S401与步骤S203、步骤S204的执行顺序不做限制。

所述数据提取需求可以是对原始数据的格式要求，也可以是对泛化数据的要求，或者是对解析数据的提取时的选择要求，本申请对此不作限制。

综上，数据提取需求，根据数据提取需求灵活的解析所述泛化数据，提取相应的解析数据，从而节省数据解析与提取的时间，进而提高了数据的传输效率。

图5为本申请一实施例提供的信息提取装置示意图。如5所示，该信息提取装置包括：

采集模块501，用于采集原始文本数据。

确定模块502，用于根据原始文本数据，确定原始文本数据的属性。

第一处理模块503，用于根据原始文本数据的属性，格式处理原始文本数据，得到格式字符串。

第一泛化模块504，用于泛化格式字符串，得到泛化数据。

第一解析模块505，用于解析泛化数据，得到解析数据。

提取模块506，用于提取解析数据。

可选地，该呼叫处理装置还包括：

第一处理模块503，还需根据格式需求，格式处理原始文本数据，得到相应的格式字符串。

可选地，该呼叫处理装置还包括：

第一泛化模块504，还需泛化相应的格式字符串，得到相应的泛化数据。

可选地，该呼叫处理装置还包括：

第一解析模块505，还需根据数据提取需求，解析泛化数据。

本申请实施例的信息提取装置，可以用于执行本申请前述信息提取方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。

图6为本申请一实施例提供的终端设备的结构示意图。该终端设备可以是PC或者移动终端等。如图6所示，该终端设备包括存储器1301、处理器 1302和收发器1303，该存储器1301用于存储计算机指令，该处理器1302运行存储器存储的计算机指令用于实现上述任一所述信息提取方法，收发器 1303用于实现与服务器之间的通信。

本申请实施例的终端设备，可以用于执行本申请前述信息提取方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现上述任一所述信息提取方法。

本申请实施例还提供一种计算机程序产品，该程序产品包括计算机执行指令，计算机执行指令被处理器执行时用于实现上述任一所述的信息提取方法。

在上述校验设备的具体实现中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：只读存储器(英文：read-only memory，缩写：ROM)、 RAM、快闪存储器、硬盘、固态硬盘、磁带(英文：magnetic tape)、软盘 (英文：floppy disk)、光盘(英文：optical disc)及其任意组合。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (10)

1.一种信息提取方法，其特征在于，包括：

采集原始文本数据；

根据所述原始文本数据，确定所述原始文本数据的属性；

根据所述原始文本数据的属性，格式处理所述原始文本数据，得到格式字符串；

泛化所述格式字符串，得到泛化数据；

解析所述泛化数据，得到解析数据；

提取所述解析数据。

2.根据权利要求1所述的信息提取方法，其特征在于：所述根据所述原始文本数据的属性，格式处理所述原始文本数据，得到格式字符串之前，还包括：根据格式需求，格式处理所述原始文本数据，得到相应的格式字符串。

3.根据权利要求2所述的信息提取方法，其特征在于：所述根据格式需求，格式处理所述原始文本数据，得到相应的格式字符串之后，泛化所述相应的格式字符串，得到相应的泛化数据。

4.根据权利要求1所述的信息提取方法，其特征在于：所述根据得到解析数据之前，还包括：根据数据提取需求，解析所述泛化数据。

5.一种信息提取装置，其特征在于，包括：

采集模块，用于采集原始文本数据；

确定模块，用于根据所述原始文本数据，确定所述原始文本数据的属性；

第一处理模块，用于根据所述原始文本数据的属性，格式处理所述原始文本数据，得到格式字符串；

第一泛化模块，用于泛化所述格式字符串，得到泛化数据；

第一解析模块，用于解析所述泛化数据，得到解析数据；

提取模块，用于提取所述解析数据。

6.根据权利要求5所述的信息提取装置，其特征在于：第一处理模块，还用于根据格式需求，格式处理所述原始文本数据，得到相应的格式字符串。

7.根据权利要求6所述的信息提取装置，其特征在于：第一泛化模块，还用于泛化所述相应的格式字符串，得到相应的泛化数据。

8.根据权利要求5所述的信息提取装置，其特征在于：第一解析模块，还用于根据数据提取需求，解析所述泛化数据。

9.一种提取设备，其特征在于，包括：存储器和处理器；

所述存储器用于存储计算机指令；所述处理器用于运行所述存储器存储的所述计算机指令实现权利要求1至4任一项所述的信息提取方法。

10.一种存储介质，其特征在于，包括：可读存储介质和计算机指令，所述计算机指令存储在所述可读存储介质中；所述计算机指令用于实现权利要求1至4任一项所述的信息提取方法。

Images