[发明专利]提取文档中内容的方法和装置

权利要求书

1.一种提取文档中内容的方法，其特征在于，包括：

遍历多个正则表达式以匹配试题文档中的字符；

匹配到与当前所述正则表达式中的字符串相同的字符后，提取所述字符之后至与下一个所述正则表达式中字符串相匹配的字符之前的字符；

存储所述提取的字符和所述当前正则表达式相对应类别的信息。

2.根据权利要求1所述的方法，其特征在于，所述提取之前，还包括：

建立匹配表，所述匹配表中存储有所述各个正则表达式及其相对应类别的信息。

3.根据权利要求1所述的方法，其特征在于，所述类别的信息包括以下至少一个：

题目、题干、答案、解析或选项。

4.根据权利要求3所述的方法，其特征在于，所述存储之前包括：在所述类别的信息之间建立从属关系。

5.根据权利要求4所述的方法，其特征在于，所述存储的过程包括：

将所述题目作为父节点存储，同时存储对应的标识、及提取的字符；

将所述题干、答案、选项、解析中的至少一个作为子节点，并存储所述子节点对应的标识、其对应提取的字符、及其父节点标识。

6.根据权利要求5所述的方法，其特征在于，所述父节点、相关联的子节点、及其对应标识和提取的字符作为一条记录，所述记录存储到数据库中。

7.根据权利要求5或6所述的方法，其特征在于，还包括：在所述存储过程中，将音频、视频或图片作为主节点的属性数据一同存储。

8.一种提取文档中内容的装置，其特征在于，包括：

匹配单元，用于遍历多个正则表达式以匹配试题文档中的字符；

提取单元，用于匹配到与当前所述正则表达式中的字符串相同的字符后，提取所述字符之后至与下一个所述正则表达式中字符串相匹配的字符之前的字符；

存储单元，用于存储所述提取的字符和所述当前正则表达式相对应类别的信息。

9.根据权利要求8所述的装置，其特征在于，还包括：

节点关系单元，用于通过存储单元将所述题目作为父节点存储，同时存储对应的标识、及提取的字符；

将所述题干、答案、选项、解析中的至少一个作为子节点，并存储所述子节点对应的标识、其对应提取的字符、及其父节点标识。

10.根据权利要求8所述的装置，其特征在于，还包括：

属性单元，用于在所述存储过程中，将音频、视频或图片作为主节点的属性数据一同存储。