提取文档结构的方法和装置

摘要

本发明提供了一种提取文档结构的方法和装置，方法包括：将通过填写文档模版所生成的文档转换为xml文件，其中将所述文档的各个段落转换成所述xml文件的各个元素，所述元素的名称属性记录所述段落由所述文档模板所规定的段落样式的名称，所述元素的内容属性记录所述段落的内容；在schema文件中查找与所述xml文件中的元素具有相同名称属性的元素；将所述xml文件中的所述元素的内容属性按照所述同名的元素所映射的版式结构输出。本发明上述的实施例通过schema文件、将文档转换后的xml文件，可对文档中的字符数据结构化，从而获得结构化文档。相对于通过标签生成结构化文档的方法，时间短、效率高。

主权项

一种提取文档结构的方法，其特征在于，包括：将文档转换为xml文件；在schema文件中查找与所述xml文件中的元素具有相同名称属性的元素；将所述xml文件中的所述元素的内容属性按照所述同名的元素所映射的版式结构输出。