[发明专利]一种文件信息的提取方法

权利要求书

1.一种文件信息的提取方法，其特征在于，该方法包括：

依次以段落方式获取文件信息；

查找所述段落内是否包括至少一个标识字符；

如果查找到所述标识字符，则将所述段落作为信息块的起始段。

2.根据权利要求1所述的提取方法，其特征在于，所述提取方法还包括：

在查找所述至少一个标识字符之前，先获取所述段落的特征值；

其中，所述查找所述段落内是否包括至少一个标识字符包括根据预设的第一规则和所述特征值的位置，查找所述段落内的至少一个标识字符。

3.根据权利要求2所述的提取方法，其特征在于，所述根据预设的第一规则和所述特征值的位置，查找所述段落内的至少一个标识字符之后还包括：

根据预设的第二规则，对所述至少一个标识字符进行判断；

如果所述至少一个标识字符符合所述第二规则，则确定所述至少一个标识字符为正确标识字符，否则，确定所述至少一个标识字符为错误标识字符。

4.根据权利要求1所述的提取方法，其特征在于，所述信息块内容包括公式、表格和/或图片的内容信息。

5.根据权利要求1所述的提取方法，其特征在于，所述文件信息存储为Word文件。

6.根据权利要求5所述的提取方法，其特征在于，所述文件信息为试卷信息，所述至少一个标识字符为所述试卷内的题序号。

7.根据权利要求5或6所述的提取方法，其特征在于，所述方法还包括：

在查找所述段落内的至少一个题序号之前，先获取所述段落的题型信息；

其中，所述查找所述段落内是否包括至少一个题序号包括根据预设的第一规则和所述题型信息的位置，查找所述段落内的至少一个题序号。

8.根据权利要求7所述的提取方法，其特征在于，所述根据预设的第一规则和所述题型信息的位置，查找所述段落内的至少一个题序号之后还包括：

根据预设的第二规则，对所述至少一个题序号进行判断；

如果所述至少一个题序号符合所述第二规则，则确定所述题序号为正确题序号，否则，确定所述题序号为错误的题序号。

9.根据权利要求2所述的提取方法，其特征在于，所述第一规则利用支持向量机原理。

10.根据权利要求3所述的提取方法，其特征在于，所述第二规则利用浅层句法分析原理。