[发明专利]一种数据提取转换方法、系统、存储介质及电子设备

说明书

本发明提供了一种数据提取转换方法、系统、存储介质及电子设备，其方法包括：读取表格文件的表头名称和对应的样例数据；根据同义词映射表对所述表头名称进行标准化得到标准表头名称；分析各表头名称下对应的样例数据的数据特征，识别所述样例数据的目标类别字段；当所述标准表头名称与对应的样例数据的目标类别字段为同一属性，则生成带属性的标准化表头；对所述标准化表头进行行为分析，识别对应的行为类别；根据所述行为类别生成相应的匹配模型。本发明将表头数据做标准化和属性的匹配，可以在模型匹配的过程中减少大量的工作。

技术领域

本发明涉及计算机数据处理领域，尤指一种数据提取转换方法、系统、存储介质及电子设备。

背景技术

在数据治理中，数据的来源是多样的，表格数据文件是其中的一种常见类型。

在表格数据文件的处理中，由于文件内包含的内容不同，在将其转化为实体和关系模型时，对每种数据文件往往需要做多次配置，而数据文件的类型繁多，配置的工作量巨大。

发明内容

本发明的目的是提供一种数据提取转换方法、系统、存储介质及电子设备，实现将表头数据做标准化和属性的匹配，可以在模型匹配的过程中减少大量的工作。

本发明提供的技术方案如下：

本发明提供一种数据提取转换方法，包括：

读取表格文件的表头名称和对应的样例数据；

根据同义词映射表对所述表头名称进行标准化得到标准表头名称；

分析各表头名称下对应的样例数据的数据特征，识别所述样例数据的目标类别字段；

当所述标准表头名称与对应的样例数据的目标类别字段为同一属性，则生成带属性的标准化表头；

对所述标准化表头进行行为分析，识别对应的行为类别；

根据所述行为类别生成相应的匹配模型。

进一步的，读取表格文件的表头名称和对应的样例数据之前还包括：

获取表头名称以及对应的同义表头名称；

根据所述表头名称和同义表头名称生成同义词映射表，选取其中任意一个表头名称作为标准表头名称。

进一步的，读取表格文件的表头名称和对应的样例数据之前还包括：

分析属于同一类别字段的样例数据，得出各类别字段的类别特征，根据所述类别特征生成类别字段特征表；

识别所述样例数据的类别字段具体包括：

将所述数据特征与所述类别字段特征表中的类别特征进行匹配，匹配相符则为所述样例数据的目标类别字段。

进一步的，分析各表头名称下对应的样例数据的数据特征，识别所述样例数据的目标类别字段之后还包括：

当所述标准表头名称与对应的样例数据的目标类别字段非同一属性，则提取表头名称和对应的样例数据并发送至终端设备。

本发明还提供一种数据提取转换系统，包括：

数据读取模块，读取表格文件的表头名称和对应的样例数据；

标准化模块，根据同义词映射表对所述数据读取模块得到的所述表头名称进行标准化得到标准表头名称；

字段识别模块，分析所述数据读取模块得到的各表头名称下对应的样例数据的数据特征，识别所述样例数据的目标类别字段；

表头生成模块，当所述标准化模块得到的所述标准表头名称与所述字段识别模块得到的对应的样例数据的目标类别字段为同一属性，则生成带属性的标准化表头；