[发明专利]一种文本段落的抽取方法及装置

权利要求书

1.一种文本段落的抽取方法，其特征在于，所述方法包括：

获取文本；

创建与所述文本对应的模型树，所述模型树包括至少若干个节点和每个节点对应的抽取表达式集，所述抽取表达式集包括至少一个抽取表达式；

将所述模型树的各个节点中满足预设筛选规则的节点进行提取，生成定位节点集，其中，所述定位节点集包括至少一个前置定位节点和至少一个后置定位节点，所述预设的筛选规则为全节点筛选规则、子节点筛选规则或当前节点筛选规则；

将每个所述前置定位节点对应的抽取表达式集和每个所述后置定位节点对应的抽取表达式集，按照预设匹配规则，与所述文本进行匹配，得到起始信息和结束信息，其中，所述匹配规则包括前置匹配规则和后置匹配规则，所述前置匹配规则为前置最远匹配规则或前置最近匹配规则，所述后置匹配规则为后置最远匹配规则或后置最近匹配规则；

根据所述起始信息和结束信息，确定所述文本的段落；

抽取所述段落的文本信息；

当预设的筛选规则为当前节点筛选规则时，所述将所述模型树的各个节点中满足预设筛选规则的节点进行提取，生成定位节点集包括：

响应于用户选择所述节点的操作，将所述模型树中所选的节点确定为目标节点，所述目标节点包括前置目标节点和后置目标节点；

将所述前置目标节点确定为前置定位节点；

将所述后置目标节点确定为后置定位节点；

根据所述前置定位节点和后置定位节点，生成定位节点集。

2.如权利要求1所述的方法，其特征在于，当每个所述前置定位节点按照前置最远匹配规则，每个所述后置定位节点按照后置最远匹配规则时，所述将每个所述前置定位节点对应的抽取表达式集和每个所述后置定位节点对应的抽取表达式集，按照预设匹配规则，与所述文本进行匹配，得到起始信息和结束信息包括：

将每个所述前置定位节点对应的抽取表达式集与所述文本进行匹配，得到至少一个前置匹配信息；

根据每个所述前置匹配信息在所述文本中的位置，将距离所述文本第一个字符最近的前置匹配信息确定为起始信息；

将每个所述后置定位节点对应的抽取表达式集与所述文本进行匹配，得到至少一个后置匹配信息；

根据每个所述后置匹配信息在所述文本中的位置，将位于所述起始信息之后且距离所述起始信息最远的后置匹配信息确定为结束信息。

3.如权利要求1所述的方法，其特征在于，当每个所述前置定位节点按照前置最近匹配规则，每个所述后置定位节点按照后置最远匹配规则时，所述将每个所述前置定位节点对应的抽取表达式集和每个所述后置定位节点对应的抽取表达式集，按照预设匹配规则，与所述文本进行匹配，得到起始信息和结束信息包括：

将每个所述前置定位节点对应的抽取表达式集与所述文本进行匹配，得到至少一个前置匹配信息；

根据每个所述前置匹配信息在所述文本中的位置，将距离所述文本第一个字符最远的前置匹配信息确定为起始信息；

将每个所述后置定位节点对应的抽取表达式集与所述文本进行匹配，得到至少一个后置匹配信息；

根据每个所述后置匹配信息在所述文本中的位置，将位于所述起始信息之后且距离所述起始信息最远的后置匹配信息确定为结束信息。

4.如权利要求1所述的方法，其特征在于，当每个所述前置定位节点按照前置最远匹配规则，每个所述后置定位节点按照后置最近匹配规则时，所述将每个所述前置定位节点对应的抽取表达式集和每个所述后置定位节点对应的抽取表达式集，按照预设匹配规则，与所述文本进行匹配，得到起始信息和结束信息包括：

将每个所述前置定位节点对应的抽取表达式集与所述文本进行匹配，得到至少一个前置匹配信息；

根据每个所述前置匹配信息在所述文本中的位置，将距离所述文本第一个字符最近的前置匹配信息确定为起始信息；

将每个所述后置定位节点对应的抽取表达式集与所述文本进行匹配，得到至少一个后置匹配信息；

根据每个所述后置匹配信息在所述文本中的位置，将位于所述起始信息之后且距离所述起始信息最近的后置匹配信息确定为结束信息。