[发明专利]一种从表格中抽取信息的方法及装置有效
| 申请号： | 201910486551.6 | 申请日： | 2019-06-05 |
| 公开（公告）号： | CN110188107B | 公开（公告）日： | 2020-05-01 |
| 发明（设计）人： | 任宁;卢彦博;晋耀红;李德彦 | 申请（专利权）人： | 中科鼎富（北京）科技发展有限公司 |
| 主分类号： | G06F16/22 | 分类号： | G06F16/22;G06F16/953 |
| 代理公司： | 北京弘权知识产权代理事务所(普通合伙) 11363 | 代理人： | 逯长明;许伟群 |
| 地址： | 100089 北京市海淀区万*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请实施例提供了一种从表格中抽取信息的方法及装置，能够解析网页源代码，根据网页源代码中的表格标签提取网页中的表格代码；根据表格代码中的单元格跨行属性值和跨列属性值将合并单元格分解为多个单元格；获取表头单元格和对应的表头类别；根据表格中的非表头单元格相对于表头单元格的位置关系，确定非表头单元格的领属表头单元格；根据非表头单元格与领属表头单元格的对应关系，以及对应的表头类别的输出规则，抽取并输出表头单元格和非表头单元格中的内容。本申请实施例提供的技术方案不需要人工手动参与信息抽取，本领域技术人员只需要配置一次输出规则，就可以自动从大量的网页表格中抽取有价值的信息，因此提高了信息抽取效率。 | ||
| 搜索关键词： | 一种 表格 抽取 信息 方法 装置 | ||
【主权项】：
1.一种从表格中抽取信息的方法，其特征在于，包括：解析网页源代码，根据网页源代码中的表格标签提取网页中的表格代码；根据所述表格代码中的单元格跨行属性值和跨列属性值分析表格是否包含跨越多行或多列的合并单元格，若包含，将所述合并单元格分解为多个单元格；对表格中的每个单元格进行规则分析，以获取表头单元格和对应的表头类别；根据表格中的非表头单元格相对于表头单元格的位置关系，确定非表头单元格的领属表头单元格；根据非表头单元格与领属表头单元格的对应关系，以及对应的表头类别的输出规则，抽取并输出表头单元格和非表头单元格中的内容。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中科鼎富（北京）科技发展有限公司，未经中科鼎富（北京）科技发展有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910486551.6/，转载请声明来源钻瓜专利网。
- 信息记录介质、信息记录方法、信息记录设备、信息再现方法和信息再现设备
- 信息记录装置、信息记录方法、信息记录介质、信息复制装置和信息复制方法
- 信息记录装置、信息再现装置、信息记录方法、信息再现方法、信息记录程序、信息再现程序、以及信息记录介质
- 信息记录装置、信息再现装置、信息记录方法、信息再现方法、信息记录程序、信息再现程序、以及信息记录介质
- 信息记录设备、信息重放设备、信息记录方法、信息重放方法、以及信息记录介质
- 信息存储介质、信息记录方法、信息重放方法、信息记录设备、以及信息重放设备
- 信息存储介质、信息记录方法、信息回放方法、信息记录设备和信息回放设备
- 信息记录介质、信息记录方法、信息记录装置、信息再现方法和信息再现装置
- 信息终端，信息终端的信息呈现方法和信息呈现程序
- 信息创建、信息发送方法及信息创建、信息发送装置
