JP2004086642A - Ｘｍｌ変換装置及びそのプログラムの記録媒体 - Google Patents

Abstract

【課題】表形式データからなる既存の電子化文書をＸＭＬデータに変換する。
【解決手段】予め、表形式データを有する教師用電子化文書から変換規則を抽出し、変換規則を用いて電子化文書をＸＭＬデータに変換する。
【選択図】図１

Description

【０００１】
【発明の属する技術分野】
本発明は、電子化文書を格納した記録媒体を持つ計算機において、特に、表形式で記述された電子化文書を予め教師用となる電子化文書から抽出した変換規則を用いて構造化文書であるＸＭＬ文書に変換するＸＭＬ装置に関する。
【０００２】
【従来の技術】
ネットワークの発達に伴い、計算機のＯＳやアプリケーションに依存することなく、Ｗｅｂブラウザ上に構造化文書を表示する為の言語としてＸＭＬが注目されている。ＸＭＬは、利用者が自由に設定可能なタグを用いて文書を記述することで、構造的に文書を表示することや、検索することが可能である。
【０００３】
これに伴い、ワードプロセッサ等の文書作成装置やパーソナルコンピュータにおける文書作成ソフト等を用いて作成した文書やＤＢに格納した情報をＸＭＬデータに変換することにより、Ｗｅｂ上で閲覧や編集等、広く利用する試みが行なわれている。
【０００４】
例えば、特開２００１―３５７０３０号公報では、組版言語による電子化文書をＸＭＬ形式に変換する場合において、組版言語の構造を活用した変換規則を予め定義し、この変換規則を用いて他の組版言語による電子化文書をＸＭＬ文書に変換することを開示している。
【０００５】
また、特開２００１−２７３１７７号公報では、ＲＤＢを対象としてＸＭＬ文書に変換しており、この場合もＲＤＢにおけるスキーマ情報を用いてＸＭＬ文書に変換することを開示している。
【０００６】
また、特開平９−６９１０１号公報では、非構造化文書において、予め構造情報を示す文字列を変換規則として格納し、この構造情報を用いて、構造化文書に変換することを開示している。
【０００７】
このように、従来の様々なフォーマットで記述された電子化文書をＸＭＬに代表されるような構造化文書に変換する方法が多く発明されている。
【０００８】
【発明が解決しようとする課題】
上記従来技術において、文書作成装置を用いて記述された非構造化文書を構造化文書に変換することは困難であった。
【０００９】
特に、表形式データを有する電子化文書の場合、表形式データを構成する最小単位であるセルごとにデータを取得することは可能であったが、表形式データを構造化文書として変換することが出来なかった。
【００１０】
従来、格納されている電子化文書には表形式データと通常のテキストデータが混在する場合が多く、本発明は、表形式データを有する電子化文書を構造化文書に変換する場合において利用者の負担を極力軽減することを目的とする。
【００１１】
【課題を解決するための手段】
本発明では、上記課題を解決する為に以下の手段を設けることを特徴とする。少なくとも一つ以上の電子化文書を格納した記憶装置を保持し、
（１）教師用となる電子化文書から、文書構造を有する構造化文書に変換する為の変換規則を抽出するマッピング情報抽出手段と、マッピング情報抽出手段において予め抽出した変換規則を元に一文書以上の電子化文書を構造化文書に変換する手段を設ける。
（２）マッピング情報抽出手段においては、教師用電子化文書から抽出する変換規則を、入力装置を介して利用者が定義することを可能とする入力手段を設ける。
（３）マッピング情報抽出手段においては、特に変換対象文書が表形式データを有する文書の場合において、表の先頭行あるいは先頭列に記述された内容を構造化文書の制御情報（タグ）の候補として、予め抽出することを可能とする設定定義手段を設ける。
（４）マッピング情報抽出手段においては、特に変換対象文書が文書の先頭部分あるいは後尾部分において属性情報を有する文書の場合において、該当部分に記述された内容を構造化文書の制御情報（タグ）の候補として抽出することを可能とする設定定義手段を設ける。
（５）収集変換処理手段においては、変換結果に応じてＸＭＬファイルを出力するか否かを定義した変換条件ファイルに合致した変換結果ファイルのみＸＭＬファイルとして記憶装置に格納する収集変換処理手段を設ける。
（６）変換対象文書が少なくとも一文書以上格納されている記憶装置を少なくとも一装置以上を利用者が指定し、また、少なくとも一つ以上の変換規則を利用者が指定した場合において、格納されている電子化文書を、指定した全ての変換規則を用いて変換し、変換結果に応じてＸＭＬファイルを出力するか否かを定義した変換条件ファイルに合致した変換結果ファイルのみＸＭＬファイルとして記憶装置に格納する収集変換処理手段を設ける。
【００１２】
【発明の実施の形態】
以下，本発明の一実施の形態を図面により詳細に説明する。まず、図１に，本発明全体のシステム構成図を示す。ＸＭＬ変換装置１００１は、ＸＭＬ変換処理を行なう処理装置０１、記憶装置０２、表示装置０３、及び入力装置０４から構成される。
【００１３】
ＸＭＬ変換装置１００１において、変換対象となる文書ファイル群を格納した文書ファイルＤＢ０２０１、文書ファイルをＸＭＬデータに変換する場合の変換規則を格納したマッピング情報０２０２、変換した結果によってＸＭＬデータを格納するか否かを定義した変換条件０２０３、及び変換したＸＭＬデータ０２０４は、記憶装置０２に格納されている。
【００１４】
処理装置０１において、教師用となる教師用文書ファイルからＸＭＬデータ０２０４へ変換する為の変換規則を抽出するマッピング情報抽出部０１０２、変換規則を用いて文書ファイルをＸＭＬデータ０２０４に変換する収集変換部０１０３、及びＸＭＬデータ０２０４を表示する表示部０１０４はプログラムとして処理装置０１に格納されている。
【００１５】
利用者は、表示装置０３において出力した教師用文書ファイルを参照し、入力装置０４を介して、ＸＭＬデータ０２０４に変換する為の変換条件として、まずタグ情報を入力し、次に、タグに対するデータ部分の対応関係及び位置情報を入力する。これらの情報は、変換条件としてマッピング情報０２０２に格納する。更に、このマッピング情報０２０２を用いて、他の電子化文書をＸＭＬデータに変換し、変換条件０２０３に合致したファイルのみ、ＸＭＬファイルとしてＸＭＬデータ０２０４として記憶装置０２に格納する。
【００１６】
変換条件となるマッピング情報を抽出するための教師用文書ファイル、抽出したマッピング情報０２０２を用いて教師用文書ファイルをＸＭＬデータに変換した結果、及び変換済みＸＭＬデータは表示装置０３に出力される。
【００１７】
また、ＸＭＬ変換装置１００１は、ＷＷＷサーバ１００２及びネットワーク１００３を介し、少なくとも一つ以上のクライアントマシン１００４と接続することが可能であり、クライアントマシン１００４に格納した文書ファイルＤＢ０２０１を、マッピング情報０２０２及び変換条件０２０３を用いて、ＸＭＬデータ０２０４に変換することも可能である。
【００１８】
図２に、ＸＭＬ変換装置１００１における全体処理フローチャートを示す。
ステップ０１０１において、ＸＭＬ変換ツール初期画面（図３）を表示する。利用者は「マッピング」、「収集変換」、「表示」、「終了」のいずれか一つの処理を選択する（０３００２〜０３００５）。
【００１９】
利用者が「マッピング」を選択した場合、マッピング情報抽出部０１０２において、文書ファイルＤＢ０２０１からユーザが指定した教師用文書ファイルを表示装置０３に出力し、利用者が入力したタグ及びタグとデータの対応関係及び位置情報をマッピング情報０２０２として記憶装置０２に格納するマッピング情報抽出処理を行なう。なお、詳細は、図４以降の画面例及び図１４のマッピング処理におけるフローチャートを用いて説明する。
【００２０】
利用者が「収集変換」を選択した場合、収集変換部０１０３において、利用者が選択したマッピング情報ファイル０２０２を用いて、文書ファイル０２０１をＸＭＬデータ０２０４に変換し、変換条件０２０３に合致したファイルのみ、ＸＭＬデータ０２０４として記憶装置０２に格納する。なお、詳細は、図１７以降の画面例及び図１９の収集変換処理におけるフローチャートを用いて説明する。
【００２１】
利用者が「表示」を選択した場合、表示部０１０４において、利用者が入力したＸＭＬファイル０２０４を表示装置０４に出力する。なお、詳細は、図２０以降の画面例及び図２２の表示処理におけるフローチャートを用いて説明する。
利用者が「終了」を選択した場合、ステップ０１０５において、ＸＭＬ変換処理プログラムを終了させる。
【００２２】
図３は、ＸＭＬ変換処理装置の初期画面例である。表示装置０３における初期画面０３００１は、入力装置０４を介してユーザがマッピング処理を指示する領域０３００２、収集変換処理を指示する領域０３００３、表示処理を指示する領域０３００４、終了処理を指示する表示領域０３００５から構成される。
【００２３】
図４は、本装置においてＸＭＬ変換の対象となる文書ファイルＤＢ０２０１の一例である。文書ファイルＤＢ０２０１において、文書の先頭部分における属性情報である０２０１１、少なくとも一つ以上の表形式データ０２０１２、０２０１３、及び文書の後尾部分における属性情報である０２０１４から構成される。
【００２４】
図５は、教師用文書ファイルの選択画面例である。図３の初期画面０３００１において、利用者がマッピング処理の開始を入力すると本画面が表示される。利用者は、教師用文書ファイル選択画面表示領域０３０１１において、教師用文書ファイル名を入力領域０３０１２に入力し、処理開始ボタンとなる０３０１３を選択することで処理を開始する。
【００２５】
図６は、マッピング画面における初期画面例である。図５において、利用者が教師用文書ファイルを選択すると本画面が表示される。
ＸＭＬデータ０２０４は、主に、タグとそのタグに対するデータ部分から構成される。そこで、マッピング画面においては、まずタグを定義し、そのタグに対するデータを定義する必要がある。ＸＭＬデータ０２０４は、タグ及びデータのから構成される対の情報を少なくとも一つ以上含む。
【００２６】
マッピング初期画面は、表示領域０３０２０１において、タグの一覧を表示する領域０３０２０２、教師用文書ファイルを表示する領域０３０２０３、教師用文書ファイルからタグ候補の抽出処理を指示する領域０３０２０４、新規のタグ名を入力する領域０３０２０５、タグ名入力領域０３０２０５に記述したタグ名をタグ一覧領域に追加する処理を指示する領域０３０２０６、タグ一覧表示領域０３０２０２に表示されたタグを削除する処理を指示する領域０３０２０７、マッピング情報として抽出したタグと位置情報を対応付ける処理を指示する領域０３０２０８、マッピング情報としてタグに対するデータとの対応関係及び位置情報を対応付ける処理を指示する領域０３０２０９、登録したこれらのマッピング情報を元に教師用データをＸＭＬ変換した結果を表示する処理を指示する領域０３０２１０、及び利用者が定義した対応関係をマッピング情報としてマッピング情報ファイル０２０２に格納する処理を指示する０３０２１１から構成される。
【００２７】
図７は、タグ抽出条件設定画面例である。図６において、利用者がタグ候補の抽出処理を指示する領域０３０２０４を選択すると本画面が表示される。
タグ抽出条件設定画面は、表示領域０３０３１において、ヘッダからタグ候補を抽出することを条件として指定する領域０３０３２、表形式の先頭行からタグ候補を抽出することを条件として指定する領域０３０３３、指示した条件を読み込み、この条件に基づいて教師用文書ファイルからタグ候補を抽出する処理を指示する領域０３０３４、及び指定した条件を破棄し、タグ抽出条件設定処理を終了することを指示する領域０３０３５から構成される。
【００２８】
図８は、図７においてタグ抽出条件を設定し、タグ抽出処理を行なった後の画面例である。本画面では、タグ抽出処理を行なった後、教師用文書ファイルから抽出したタグ候補を、タグ一覧表示領域０３０２０５に出力した画面である。
【００２９】
図９は、データ定義処理において範囲に関するデータ定義条件設定の画面例である。図６において、利用者がデータ定義の設定処理を指示する領域０３０２０９を選択すると本画面が表示される。
【００３０】
範囲に関するデータ定義条件設定画面は、表示領域０３０４１において、更に範囲に関する条件を設定する表示領域０３０４２において、既に定義したタグのデータ部分として表示領域の次行から取得する行の範囲を定義することを指示する領域０３０４３、既に定義したタグのデータ部分として表示領域の次列から取得する列の範囲を定義することを指示する領域０３０４４、この条件に基づいてタグに対するデータ部分を抽出する処理を指示する領域０３０４５、及び指定した条件を破棄し、データ定義条件設定処理を終了することを指示する領域０３０４６から構成される。
【００３１】
図１０は、データ定義処理において改行に関するデータ定義条件設定の画面例である。図９において、利用者が改行に関する条件を設定する表示領域０３０５２を選択すると本画面が表示される。
【００３２】
改行に関するデータ定義条件設定画面は、表示領域０３０５１において、更に改行に関する条件を設定する表示領域０３０５２において、定義したデータの表示領域から抽出する文字情報に関して、改行コードを文字情報から削除することを指示する領域０３０５３、改行コードを文字情報から削除しないことを指示する領域０３０５４、この条件に基づいてデータから文字情報を抽出することを指示する領域０３０５５、及び指定した条件を破棄し、データ定義条件設定処理を終了することを指示する領域０３０５６から構成される。
【００３３】
図１１は、データ定義処理において型に関するデータ定義条件設定の画面例である。図９において、利用者が型に関する条件を設定する表示領域０３０６２を選択すると本画面が表示される。
【００３４】
型に関するデータ定義条件設定画面は、表示領域０３０６１において、更に型に関する条件を設定する表示領域０３０６２において、利用者が選択したタグ名の表示領域０３０６３、利用者が選択したタグに対するデータの型の候補一覧を表示する領域０３０６４、この条件に基づいてタグに対するデータの型を指定することを指示する領域０３０６５、及び指定した条件を破棄し、データ定義条件設定処理を終了することを指示する領域０３０６６から構成される。
【００３５】
図１２は、データ定義処理において入れ子タグの確認画面例である。図７において、利用者が選択したタグに対するデータ抽出領域として、既に別のタグとして定義済みの表示領域を選択した場合、これらのタグが入れ子の関係であることを確認する画面が表示される。
【００３６】
タグの入れ子に関する確認画面は、表示領域０３０７１において、ユーザが定義した情報が入れ子の関係であることを出力した表示領域０３０７２、この条件に基づいてタグの入れ子関係を指定することを指示する領域０３０７３、及び指定した条件を破棄し、タグの入れ子関係を定義する処理を終了することを指示する領域０３０７４から構成される。
【００３７】
図１３は、マッピング情報保存画面例である。表示領域０３０８１において、マッピング情報を格納する場所を利用者が入力する領域０３０８２、利用者が入力した格納場所に既に格納済みのマッピング情報名の一覧を表示する領域０３０８３、マッピング情報名を利用者が入力する領域０３０８４、マッピング情報のファイル情報の内容を表示する領域０３０８５、及び、マッピング情報の保存処理を指示する領域０３０８６、及び指定したマッピング情報名を破棄し、マッピング情報の保存処理を終了することを指示する領域０３０８７から構成される。
【００３８】
図１４は、教師用データのＸＭＬ変換結果表示画面例である。図８において、利用者が定義したマッピング情報を元に教師用文書ファイルをＸＭＬ変換することを指示する表示領域０３０２１０を選択した場合、本画面が表示される。
本画面は、教師用文書ファイルのＸＭＬ変換結果表示領域０３０９０１のみから構成され、この領域にＸＭＬデータ０２０４が表示される。
【００３９】
図１５は、マッピング処理の詳細なフローチャートである。図３の初期画面においてマッピング処理を利用者が選択した場合、本マッピング情報抽出処理０１０２を実行する。
【００４０】
利用者がマッピング処理０３００２を指示すると、教師用文書ファイルを選択する画面を出力する。まず、ステップ０１０２０１では、この教師用文書ファイル選択画面で利用者が入力した教師用文書ファイル名を読み込む。
【００４１】
次に、ステップ０１０２０２において、図５のマッピング画面０３０１１を表示し、更に教師用文書ファイルの内容を表示領域０３０２０３に表示する。次に、ステップ０１０２０３において、利用者が、図６のタグ抽出処理指示領域０３０２０４を選択すると、タグ抽出処理であるステップ０１０２０４に進む。
【００４２】
ステップ０１０２０４では、利用者が指示したタグ抽出条件に基づき、教師用文書ファイルからタグの候補を抽出し、タグ一覧表示領域０３０２０２に表示する。タグ抽出条件では、教師用文書ファイルのヘッダー部分をタグとして抽出するかどうか、及び、表形式の先頭行をタグとして抽出するかどうかを利用者は設定することが可能である。
【００４３】
次に、ステップ０１０２０５において、利用者が新規タグ名入力領域０３０２０５においてタグ名を入力し、追加することを指示する表示領域０３０２０６を選択するとタグ追加処理であるステップ０１０２０６に進む。
ステップ０１０２０６では、利用者が入力したタグ名を読み込み、タグ一覧表示領域０３０２０２にタグ名を追加表示する。次に、ステップ０１０２０７において、利用者がタグ一覧表示領域０３０２０２に表示されたタグから一つのタグを選択し、教師用文書ファイル表示領域０３０２０３においてそのタグの抽出領域を選択すると、そのタグとそのタグを抽出する位置情報の対応関係を読み込む。次に、ステップ０１０２０８において、そのタグに対するデータ部分の抽出範囲を指定し、更にそのデータの抽出方法として、範囲、改行、型、入れ子に関する条件を指定する。このステップ０１０２０７、ステップ０１０２０８の処理において、タグとタグの抽出位置情報及び、そのデータ部分の位置情報及び詳細設定を行なうことが可能である。
【００４４】
そして、ステップ０１０２０９においてタグ定義処理を終了すると、再びタグ情報を入力するためにステップ０１０２０６に戻るか、これらのマッピング情報を保存するステップ０１０２１０に進む。
【００４５】
ステップ０１０２１１では、マッピング情報保存画面において利用者が入力したマッピング情報の格納場所及びマッピング情報ファイル名を読み込み、マッピング情報として格納する。
【００４６】
ステップ０１０２１２において、利用者が図７における教師用文書ファイルのＸＭＬ変換結果の表示処理を指示する領域０３０２１０を選択すると、ステップ０１０２１３に進む。
【００４７】
ステップ０１０２１３では、教師用文書ファイルをＸＭＬ変換し、その結果を教師用データのＸＭＬ変換結果として表示装置０３の表示領域に出力する。
ステップ０１０２１４においてマッピング作業を終了すると、本マッピング処理が終了する。
【００４８】
図１６は、上記の処理で抽出したマッピング情報ファイル０２０２のデータ構造である。マッピング情報ファイル０２０２は、大きく二つのテーブル０２０２０１及び０２０２０２から構成される。テーブル０２０２０１には、マッピングファイル名及びこのマッピングファイルを抽出する為の教師用データファイル名が格納されている。テーブル０２０２０２は、複数のレコードから構成され、また１レコードは、複数のデータ項目から構成される。
【００４９】
データ項目は、「タグ名」、「タグ位置情報」、範囲に関する情報である「データ抽出位置情報」、「繰返しデータ抽出」、及び「繰返しデータ抽出方向」、改行に関する情報である「改行」、型に関する情報である「型」、入れ子に関する情報である「入れ子」から構成される。
【００５０】
図１７は、収集変換ファイル選択画面例である。図３の初期画面０３００１において、利用者が収集変換０３００３の開始を入力すると、本画面が表示される。利用者は、マッピングファイル選択領域０３１０２及び００３１０３において、マッピング情報ファイル０２０２を指定し、更に変換元となる電子化文書ファイル名を変換元情報表示領域０３１０４、０３１０５、０３１０６において指定する。更に、変換先の格納領域を変換先情報表示領域０３１０４、０３１０５、０３１０７において指定する。更に、収集変換処理０１０３を実行することを指示する表示領域０３１０８を利用者が選択すると収集変換処理０１０３を開始する。また、変換後、変換結果を参照したい場合は、ログ内容を表示する画面０３１１１を表示することを指示する表示領域０３１０９を選択する。
【００５１】
図１８は、ログ内容表示画面例である。本画面は、変換したファイルの変換日時、変換結果、変換後のファイル名を出力した表示領域０３１１２及び、本画面を終了することを指示する表示領域０３１１３から構成される。
【００５２】
図１９は、収集変換処理の詳細なフローチャートである。図３の初期画面において収集変換処理０３００３を利用者が選択した場合、本収集変換処理０１０３を実行する。
【００５３】
利用者が収集変換処理０３００３を指示すると、マッピング情報ファイル名や変換元のファイル名を指定する画面を出力する。まず、ステップ０１０３０１では、マッピングファイル名を読み込む。次に、ステップ０１０３０２において、変換元ファイル名を読み込む。次に、ステップ０１０３０３において、変換先フォルダ名を読み込む。ここで、利用者が変換実行を指示すると、収集変換処理０１０３０４を開始する。ステップ０１０３０５では、利用者が指定したマッピングファイル名を元に、変換元ファイルを１ファイルずつ読み込み変換し、変換結果に応じてＸＭＬファイルを出力するか否かを定義した変換条件ファイル０２０３に合致した変換結果ファイルのみＸＭＬファイルとして格納する。
【００５４】
次に、ステップ０１０３０６において、変換結果をログ情報として格納する。次に、ステップ０１０３０７において、利用者がログ結果を表示することを指示すると、ログ結果を表示するステップに進む。次に、ステップ０１０３０８において、ログ結果表示画面を表示し、そこにログ結果を表示する。そして、ステップ０１０３０９において収集変換作業を終了すると、本収集変換処理が終了する。
【００５５】
図２０は、表示ＸＭＬファイル選択画面例である。図３の初期画面０３００１において、利用者がＸＭＬファイル表示０３００４の開始を入力すると本画面が表示される。利用者は、表示ＸＭＬファイル選択画面において、ＸＭＬデータ０２０４の選択に関する表示領域０３１２２、０３１２３、及び０３１２４において、ＸＭＬデータ０２０４のファイル名を指定し、表示処理を実行することを指示する表示領域０３１２５を利用者が選択すると表示処理を開始する。また、原文書を表示したい場合は、原文書を表示することを指示する表示領域０３１２６を選択する。
【００５６】
図２１は、上記処理に参照する変換規則０２０３のデータ構造である。
変換規則０２０３は、複数のレコードから構成され、また１レコードは、複数のデータ項目から構成される。データ項目は、「エラー個数」、「結果」から構成される。変換処理において発生するエラー個数に応じて、ＸＭＬデータ０２０４として出力するか否かを定義している。
【００５７】
図２２は、ＸＭＬ変換結果表示画面例である。本画面は、変換したＸＭＬデータを表示した画面である。
【００５８】
図２３は、ＸＭＬデータ表示処理の詳細なフローチャートである。図３の初期画面において表示処理を利用者が選択した場合、本表示処理０１０４を実行する。
利用者が図３の表示処理０３００４を指示すると、ステップ０１０４０１，０１０４０２においてＸＭＬ表示フォルダ名、及び表示ファイル名を読み込む。
次に、ステップ０１０４０３においてＸＭＬデータのファイル名の表示を指示すると、ステップ０１０４０４においてＸＭＬデータのファイル名を表示する。
また、ステップ０１０４０５において原文書の表示を指示すると、ステップ０１０４０６において原文書を表示する。そして、ステップ０１０４０７において表示作業を終了すると、本表示処理が終了する。
【００５９】
以上が、本発明の実施の形態の説明である。また、図２４から図２６は、本実施の形態の拡張例である自動収集変換装置の一部画面例である。これにより、特に電子化文書に対してそれぞれ変換規則であるマッピング情報指定しなくても、ネットワークに接続された処理装置における記憶装置に格納された電子化文書を自動的に収集し、ＸＭＬデータ０２０４に変換することが可能である。
【００６０】
図２４は、本拡張例における自動収集変換が設定画面である。
本画面では、マッピング情報ファイル０２０２を指定する表示領域０３１４２及び０３１４３において複数のマッピング情報ファイル０２０２を指定することが可能である。
【００６１】
また、変換元ファイルを格納した処理装置の一覧を表示領域０３１４４において、変換対象となる処理装置を複数指定することが可能である。
【００６２】
また、変換先ファイル情報を表示した表示領域０３１４５，０３１４６，０３１４７において変換した結果を格納する場所を指定する。
【００６３】
また、変換ルール表示領域０３１４８において、本処理をするに実行しない場合の時間指定やエラー時の対応を指示する。
【００６４】
図２５は、自動収集変換ログ内容表示画面である。本画面は、図１８と特に変更はない。
【００６５】
図２６は、自動収集変換処理の詳細なフローチャートである。
利用者が収集変換処理を指示すると、マッピング情報ファイル名や変換元のファイル名を指定する画面を出力する。
【００６６】
まず、ステップ０１０５０１では、マッピングファイル名を読み込む。
次に、ステップ０１０５０２において、変換元ファイル名を読み込む。
次に、ステップ０１０５０３において、変換先フォルダ名を読み込む。
次に、ステップ０１０５０４において、変換ルールを格納する。
ここで、利用者が変換実行を指示すると、自動収集変換処理０１０５０５を開始する。
ステップ０１０５０６では利用者が指定した変換ルールを入力する。
【００６７】
次に、ステップ０１０５０７では、利用者が指定した時間になったら、マッピングファイル名を元に、変換元ファイルを１ファイルずつ読み込み変換し、変換結果に応じてＸＭＬファイルを出力するか否かを定義した変換条件ファイルに合致した変換結果ファイルのみＸＭＬファイルとして格納する。
【００６８】
次に、ステップ０１０５０８において、変換結果をログ情報として格納する。次に、ステップ０１０５０９において、利用者がログ結果を表示することを指示すると、ログ結果を表示するステップに進む。
次に、ステップ０１０５１０において、ログ結果表示画面を表示し、そこにログ結果を表示する。
そして、ステップ０１０５１１において収集変換作業を終了すると、本収集変換処理が終了する。
【００６９】
本実施の形態によれば、同じフォーマットで記述された大量の電子化文書において、予め教師用となる電子化文書から、構造化文書に変換するための変換規則を抽出し、この変換規則を用いて他の電子化文書を自動的に構造化文書に変換することが可能である。
【００７０】
また、表形式データで記述されたことの特徴を活かして変換規則の候補を予め抽出することが可能であり、利用者の負担を軽減することが可能である。
【００７１】
また、変換規則は利用者が自由に定義することが可能である。
【００７２】
また、ネットワークに接続された複数の計算機装置における記憶装置に格納された電子化文書に対して、それぞれ変換規則を特に指定することなく、ＸＭＬデータに変換することが可能である。
【００７３】
【発明の効果】
本発明によれば、同じフォーマットで記述された大量の電子化文書において、予め教師用となる電子化文書から、構造化文書に変換するための変換規則を抽出し、この変換規則を用いて他の電子化文書を自動的に構造化文書に変換することができるという効果がある。
【００７４】
また、表形式データで記述されたことの特徴を活かして変換規則の候補を予め抽出することが可能であり、利用者の負担を軽減することができるという効果がある。
また、ネットワークに接続された複数の計算機装置における記憶装置に格納された電子化文書に対して、それぞれ変換規則を特に指定することなく、ＸＭＬデータに変換することができるという効果がある。
【図面の簡単な説明】
【図１】ＸＭＬ変換装置におけるシステム構成図
【図２】ＸＭＬ変換装置全体の動作のフローチャート
【図３】初期画面例
【図４】電子化文書ファイル例を示す図
【図５】教師用文書ファイル選択画面例を示す図
【図６】マッピング初期画面例を示す図
【図７】タグ抽出条件設定画面例を示す図
【図８】タグ抽出後のマッピング画面例を示す図
【図９】範囲に関するデータ定義条件設定画面例を示す図
【図１０】改行に関するデータ定義条件設定画面例を示す図
【図１１】型に関するデータ定義条件設定画面例を示す図
【図１２】入れ子タグに関する設定画面例を示す図
【図１３】マッピング情報保存画面例を示す図
【図１４】教師用データのＸＭＬ変換結果画面例を示す図
【図１５】マッピング処理の動作のフローチャート
【図１６】マッピング情報を説明するための図
【図１７】収集変換ファイル選択画面例を示す図
【図１８】ログ内容表示画面例を示す図
【図１９】収集変換処理の動作のフローチャート
【図２０】表示ＸＭＬファイル選択画面例を示す図
【図２１】ＸＭＬ変換条件を説明するための図
【図２２】ＸＭＬ変換結果画面例を示す図
【図２３】表示処理の動作のフローチャート
【図２４】自動収集変換設定画面例を示す図
【図２５】自動収集変換ログ内容表示画面例を示す図
【図２６】自動収集変換処理の動作のフローチャート
【符号の説明】
１００１…ＸＭＬ変換装置、１００２…ＷＷＷサーバ、１００３…ネットワーク、１００４…処理装置、０１…処理装置、０２…記憶装置、０３…表示装置、０４…入力装置、０１０２…マッピング情報抽出部、０１０３…収集変換部、０１０４…表示部、０２０１…文書ファイルＤＢ、０２０２…マッピング情報、０２０３…変換条件、０２０４…ＸＭＬデータ。

Claims (7)

1. 少なくとも一文書以上の電子化文書を格納した記憶装置を保持し、
   格納された電子化文書を文書構造を有する構造化文書に変換するための文書変換システムにおいて、
   教師用となる電子化文書から、文書構造を有する構造化文書に変換する為の変換規則を抽出するマッピング情報抽出手段と、
   該マッピング情報抽出手段によって予め抽出した変換規則を元に一文書以上の電子化文書を構造化文書に変換する処理変換手段と、
   該処理変換手段により変換された変換結果を出力装置に表示する表示手段を少なくとも一つ以上設けることを特徴とするＸＭＬ変換装置。
2. 請求項１記載のＸＭＬ変換装置において、
   前記マッピング情報抽出手段に、教師用電子化文書から抽出する変換規則を、入力装置を介して利用者が定義する入力手段を設けることを特徴とするＸＭＬ変換装置。
3. 請求項２記載のＸＭＬ変換装置において、
   変換対象文書が表形式データを有する文書の場合においては、表の先頭行あるいは先頭列に記述された内容を構造化文書の制御情報（タグ）の候補として予め抽出することを可能とする設定定義手段を設けることを特徴とするＸＭＬ変換装置。
4. 請求項２記載のＸＭＬ変換装置において、
   変換対象文書が文書の先頭部分あるいは後尾部分において属性情報を有する文書の場合においては、該当部分に記述された内容を構造化文書の制御情報（タグ）の候補として抽出することを可能とする設定定義手段を設けることを特徴とするＸＭＬ変換装置。
5. 請求項１記載のＸＭＬ変換装置において、
   利用者が指定した少なくとも一つ以上の変換対象文書を、同様に利用者が指定した変換規則を用いて変換する変換処理手段での変換結果に応じてＸＭＬファイルを出力するか否かを定義した変換条件ファイルに合致した変換結果ファイルのみＸＭＬファイルとして記憶装置に格納する収集変換処理手段を設けることを特徴とするＸＭＬ変換装置。
6. 請求項１記載のＸＭＬ変換装置において、
   変換対象文書が少なくとも一文書以上格納されている記憶装置を少なくとも一装置以上を利用者が指定し、また、少なくとも一つ以上の変換規則を利用者が指定した場合、格納されている電子化文書を、指定した全ての変換規則を用いて変換し、変換結果に応じてＸＭＬファイルを出力するか否かを定義した変換条件ファイルに合致した変換結果ファイルのみＸＭＬファイルとして記憶装置に格納する収集変換処理手段を設けることを特徴とするＸＭＬ変換装置。
7. 請求項１から請求項６のいずれか一つ以上を記載したプログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体。

Images