一种基于XML电子病历自动解析方法技术

本发明专利技术提出了一种基于XML电子病历自动解析方法，包括：步骤S1，输入XML电子病历数据集D1；步骤S2，对所述电子病历数据集进行数据清洗，生成清洗后的数据集D2；步骤S3，对所述清洗后的数据集D2自动生成配置；步骤S4，在配置完成后，解析电子病历数据。解析电子病历数据。解析电子病历数据。

【技术实现步骤摘要】
一种基于XML电子病历自动解析方法


[0001]本专利技术涉及电子病历
，特别涉及一种基于XML电子病历自动解析方法。

技术介绍

[0002]现阶段状况电子病历解析，存在以下问题：
[0003](1)不同HIS存储全病案数据采用的数据格式多数是不同的。
[0004](2)同一家医院，数据格式模板是一样的。
[0005](3)在业务应用系统中，通常需要将HIS存储的数据转换为结构化数据，便于更好的利用数据价值。
[0006]针对上述状况或诉求，目前常用的数据组解析的方法是对纯文本数据进行自动解析。专利(申请号CN202110618183.3，一种自动化电子病历解析方法与装置)公开的电子病历解析方法存在的问题：每家医院都需人工进行数据分析、配置，人工成本大；不同医院的数据格式可能存在相同的规律，但同样需人工分析处理；人工分析效率低；仅能处理纯文本。

技术实现思路

[0007]本专利技术的目的旨在至少解决所述技术缺陷之一。
[0008]为此，本专利技术的目的在于提出一种基于XML电子病历自本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于XML电子病历自动解析方法，其特征在于，包括如下步骤：步骤S1，输入XML电子病历数据集D1；步骤S2，对所述电子病历数据集进行数据清洗，生成清洗后的数据集D2；步骤S3，对所述清洗后的数据集D2自动生成配置，包括：对数据集D2中的所有行数据，按照文本内容长度大小降序排序，得到数据集D3；遍历数据集D3，对相同的元组取文本内容最长的行，构成数据集D4；遍历数据集D4中的每一行数据，将该行数据的文本内容值解析得到XML树；对列表中的元素按进行统计，取出现次数最多的嵌套解析的文本名称取值方式，记为X1；遍历数据集D4中的每一行数据，将该行数据的文本内容值解析得到XML树；分别对所有的名称节点、内容节点按照tag名称统计，分别取tag名称出现次数最多的节点做平铺名称节点、平铺内容节点；如果平铺名称节点与平铺内容节点的tag名称一致，则生成平铺解析的文本名称、文本内容定位和取值方式，记为X3；根据X3文本内容的取值方式，生成嵌套解析文本内容定位及取值方式，记为X2；对X1和X2进行拼接，得到嵌套解析的文本名称、文本内容定位及取值方式，然后与X3一并写入数据库中；完成自动解析配置生成；步骤S4，在配置完成后，解析电子病历数据，包括：从数据库中获取电子病历解析配置列表C1；遍历数据集D2中的每一行数据，由解析配置列表C1中解析器对数据进行处理，其中，所述解析器包括平铺解析器和嵌套解析器；根据数据的配置信息选择对应的解析器进行解析；合并每个解析器处理得到的结果列表，将结果列表添加到数据集D3中；将数据集D3写入到csv文件中，解析完成。2.如权利要求1所述的基于XML电子病历自动解析方法，其特征在于，在所述步骤S1中，所述电子病历数据集D1包括：病案号、病案名称、文本名称和文本内容。3.如权利要求1所述的基于XML电子病历自动解析方法，其特征在于，在所述步骤S2中，所述数据清洗，包括如下步骤：删除字段缺失的数据、删除取值不在字段合理取值范围内的数据。4.如权利要求1所述的基于XML电子病历自动解析方法，其特征在于，在所述步骤S3中，遍历数据集D3，对相同的病案名称和文本名称，取文本内容最长的行，构成数据集D4。5.如权利要求1所述的基于XML电子病历自动解析方法，其特征在于，在所述步骤S3中，所述遍历数据集D4中的...

【专利技术属性】
技术研发人员：许福坤，周振华，张友书，程岚，祝伟，
申请(专利权)人：北京雅丁信息技术有限公司，
类型：发明
国别省市：