[发明专利]一种文本数据二次结构化的方法及装置

权利要求书

1.一种文本数据二次结构化的方法，其特征在于，包括：

可扩展标记语言XML解析器采用预设的各正则表达式对XML数据中每个节点中的数据进行匹配；并

将匹配出的数据所在的节点确定为待处理节点，所述待处理节点为需要进行二次结构化的节点；以及

根据预设的规则对所述待处理节点中的数据进行二次结构化；

根据匹配出所述待处理节点中数据的正则表达式，以及预设的与匹配出所述待处理节点中数据的正则表达式相对应的拆分规则，对所述待处理节点中的数据进行拆分，得到各子数据；

根据得到的子数据的数量，创建相应数量的节点；在所述待处理节点下，创建相应数量的、以所述待处理节点为父节点的节点；

以在创建的一个节点中添加一个子数据的方式，将拆分得到的各子数据添加到创建的各节点中。

2.如权利要求1所述的方法，其特征在于，XML解析器采用预设的各正则表达式对XML数据中每个节点中的数据进行匹配之前，所述方法还包括：

将所述XML数据的编码转换为预设格式的编码，所述预设格式的编码包括统一码Unicode。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：

删除所述待处理节点中的数据。

4.一种文本数据二次结构化的装置，其特征在于，包括：

匹配模块，用于采用预设的各正则表达式对XML数据中每个节点中的数据进行匹配；

确定模块，用于将匹配出的数据所在的节点确定为待处理节点，所述待处理节点为需要进行二次结构化的节点；

结构化模块，用于根据预设的规则对所述待处理节点中的数据进行二次结构化；

拆分单元，用于根据匹配出所述待处理节点中数据的正则表达式，以及预设的与匹配出所述待处理节点中数据的正则表达式相对应的拆分规则，对所述待处理节点中的数据进行拆分，得到各子数据；

创建单元，用于根据得到的子数据的数量，创建相应数量的节点；在所述待处理节点下，创建相应数量的、以所述待处理节点为父节点的节点；

添加单元，用于以在创建的一个节点中添加一个子数据的方式，将拆分得到的各子数据添加到创建的各节点中。

5.如权利要求4所述的装置，其特征在于，所述装置还包括：

转换模块，用于在所述匹配模块采用预设的各正则表达式对XML数据中每个节点中的数据进行匹配之前，将所述XML数据的编码转换为预设格式的编码，所述预设格式的编码包括统一码Unicode。

6.如权利要求4所述的装置，其特征在于，所述结构化模块还包括：

删除单元，用于删除所述待处理节点中的数据。