文档处理方法及其装置、电子设备、计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种文档处理方法及其装置、电子设备、计算机可读存储介质，涉及大数据处理领域，该处理方法包括：导入待分析的目标文档，基于预设文档模板的模板格式，扫描导入的目标文档的文档内容，依据预设解析条件，区分文档内容中的文档章节，得到结构化数据。本公开基于预设文档模板的模板格式，对文档内容进行自动化结构分析，能够提高处理文档的效率。能够提高处理文档的效率。能够提高处理文档的效率。

【技术实现步骤摘要】
文档处理方法及其装置、电子设备、计算机可读存储介质


[0001]本专利技术涉及大数据处理
，具体而言，涉及一种文档处理方法及其装置、电子设备、计算机可读存储介质。

技术介绍

[0002]文档是企业规范管理的重要组成部分，它在企业的日常事务中，承担着事务流转、承上启下的桥梁作用。随着计算机技术的日益发展，企业办公文档的电子化日趋普遍，存储简易方便的电子文档成为企业信息资产积累的重要方式，由此各个企业也积累了数量庞大的电子文档文件，因此，如何解析电子文档内的文字，表格等数据，并使文档内的结构化数据被自动化程序分析，以及将有增值价值的数据合并导出，成为研究的关键。
[0003]相关技术中，常规的办公软件为拓展用户自定义功能，提供了一套二次开发库接口，这套COM组件接口可以让用户使用各种编程工具(例如，C++，C#，JavaScript脚本等)进行调用。相关技术中，大多用户使用这套开发库接口对表格工具Excel进行功能性的拓展，但针对以文本数据为主的Word软件，很少有用户使用这套二次开发库来拓展word的功能，更没有对这些文本数据进行文本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文档处理方法，其特征在于，包括：导入待分析的目标文档；基于预设文档模板的模板格式，扫描导入的所述目标文档的文档内容；依据预设解析条件，区分文档内容中的文档章节，得到结构化数据。2.根据权利要求1所述的处理方法，其特征在于，基于预设文档模板的模板格式，扫描导入的所述目标文档的文档内容的步骤，包括：基于预设文档模板的模板格式，查询所述目标文档中的关键词，以得到所述目标文档的文档内容。3.根据权利要求1所述的处理方法，其特征在于，依据预设解析条件，区分文档内容中的文档章节，得到结构化数据的步骤，包括：采用预设解析条件中的第一子解析条件，分割所述文档内容中的每个段落；确定每个所述段落所属大纲的大纲等级；将所述段落所属大纲的大纲等级表征为结构化数据。4.根据权利要求3所述的处理方法，其特征在于，在确定每个所述段落所属大纲的大纲等级之后，还包括：基于所述段落所属大纲的大纲等级，采用预设递归算法将段落等级赋予结构化数据，以使段落的层次等级与所述目标文档一致。5.根据权利要求1所述的处理方法，其特征在于，依据预设解析条件，区分文档内容中的文档章节，得到结构化数据的步骤，包括：采用预设解析条件中的第二子解析条件，获取所述文档内容中各段落中存在表格对象的句柄及表格数；基于所述文档内容中的表格对象的句柄及表格数，循环调用表格对象，将每两个表格对象之间的段落进行分割，得到所述目标文档的文档内容；对所...

【专利技术属性】
技术研发人员：赵磬，穆翠，夏翠翠，黄荣清，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：