[发明专利]一种从非结构化数据提取结构化数据的系统

权利要求书

1.一种从非结构化数据提取结构化数据的系统，其特征在于，其包括：

解析器数据库，其用于存储分类规则、解析规则以及缓存数据。

解析器服务器，其存储有至少一个正则表达式编写获得的若干个模式；

解析器GUI，其通信连接到所述解析器服务器；

其中，所述解析器GUI基于树节点方式，通过编辑所述分类规则和所述解析规则对样本数据进行分类和解析以建立解析器；

对至少一个所述模式进行编辑获得所述分类规则；

对至少一个所述模式进行编辑获得所述解析规则。

在GUI上将形成的解析器发送至生产环境，形成的解析器将解析结果输出到数据分析的下一步骤。

2.如权利要求1所述的从非结构化数据提取结构化数据的系统，其特征在于，所述解析器GUI包括：

主解析树；

至少一个解析节点，其位于所述主解析树树根上以树节点方式并列添加；所述解析节点设有对数据分类的分类单元以及对分类后数据解析的解析单元；

其他节点，其在添加节点时自动生成于所述主解析树树根上，以树节点方式与至少一个所述解析节点并列存在；所述其他节点设有所述解析单元；

其中，所述分类单元基于至少一种正向规则和/或反向规则调用至少一个所述模式编辑形成分类规则以分类；

所述解析单元调用至少一个所述模式编辑形成解析规则以解析；

符合任一所述解析节点上分类单元分类规则的数据分配至该节点并通过其解析单元进行解析；不符合任一解析节点上分类单元分类规则的数据分配至所述其他节点并通过其解析单元进行解析。

3.如权利要求2所述的从非结构化数据提取结构化数据的系统，其特征在于，所述解析器GUI还包括：

至少一个子解析树，其与所述主解析树以树节点方式并列设置；

其中，所述子解析树包括与所述主解析树相同结构设置的所述解析节点、所述其他节点、所述分类单元以及所述解析单元。

4.如权利要求2或3所述的从非结构化数据提取结构化数据的系统，其特征在于，所述解析树节点还包括：

至少一个解析子节点，其以树节点方式并列添加到一个所述解析节点上；所述解析子节点设有所述分类单元；

所述解析子节点逐级添加子节点时，所述解析子节点上的解析单元移至最后一级的若干个所述子节点上。

并且添加时，自动生成一个所述其他节点位于与所述解析子节点并列。

5.如权利要求4所述的从非结构化数据提取结构化数据的系统，其特征在于，所述解析器GUI还包括设于所述主解析树、所述子解析树、所述解析节点、所述其他节点、所述解析子节点以及所述子节点的：

名称单元，其用于编辑名称；

数据类型单元，其用于显示当前解析的数据类型；

创建时间单元，其用于显示创建时间；

更新时间单元，其用于显示更新时间；

标签单元，其用于添加供识别的标签；以及，

操作单元，其用于对解析器进行修改、编辑以及删除的操作。

6.如权利要求4所述的从非结构化数据提取结构化数据的系统，其特征在于，所述解析器GUI还包括设于所述主解析树、所述子解析树、所述解析节点以及所述解析子节点的：

复制粘贴单元，其用于将一个解析树上的一个节点上复制粘贴到另外一棵解析树上以新建一个节点，或者在同一棵解析树内复制一个节点后粘贴该节点以新建一个节点；

节点添加单元，其以树节点方式添加节点。

7.如权利要求1所述的从非结构化数据提取结构化数据的系统，其特征在于，所述解析器GUI还包括：

规则编辑栏，调用至少一个所述模式编辑分类规则或解析规则；

模式单元，其以列表形式列出若干个关联到所述解析器服务器的所述模式；

字段值命名显示单元，其用于显示与所述编辑栏放入的至少一个所述模式编辑对应的至少一条数据记录的字段值的命名；

其中，所述至少一个所述模式通过拖拽选择添加至所述规则编辑栏。

8.如权利要求1-7中任一项所述的从非结构化数据提取结构化数据的系统，其特征在于，所述解析器GUI还包括下载、存储、复用、调试所述解析器，并在GUI上将解析器发送至生产环境，形成的解析器将解析结果输出到数据分析的下一步骤。