一种文件信息的提取方法

摘要

本发明提供一种文件信息的提取方法，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。通过对文件信息的所述至少一个标识符进行识别，能够快速而准确从文件信息中切割出需要的信息块。因为不需要对文件内容中的公式、表格和/或图片等信息进行识别，所以该方法还适用于包含公式等信息的文件，扩大了该方法的适用范围。本方法结合支持向量机和浅层句法分析，在进行初步识别之后，还可对错误结果进行修正，提高了识别的正确率。

主权项

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；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；以及根据所述至少一个标识符进行识别，从文件信息中切割出所述信息块，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，所述特征值为所述段落的题型信息。