(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210452267.9 (22)申请日 2022.04.27 (71)申请人 成都天奥集团有限公司 地址 610000 四川省成 都市成都高新西区 新业路88号天奥科技产业园 (72)发明人 彭浩瀚　朱美玲　周笛　 (74)专利代理 机构 贵州派腾知识产权代理有限 公司 521 14 专利代理师 张祥军 (51)Int.Cl. G06F 16/178(2019.01) G06F 16/36(2019.01) G06F 40/14(2020.01) G06F 40/205(2020.01) (54)发明名称 一种生成结构化数据模板的方法和装置 (57)摘要 本发明公开了一种生成结构化数据模板的 方法， 包括： 定义数据地图模板信息关系， 所述信 息关系包括数据地图模板的文本内容特征类型 和对应的模板数据结构； 获取表格文件， 归纳所 述表格文件的文本内容特征类型； 根据表格文件 的文本内容特征类型， 定义对应的模板数据结 构； 根据模板数据结构解析表格文件， 提取单元 格属性信息填充模板数据结构的信息项内容， 构 建表格内容数据地图； 对数据地图的信息项进行 选择和加工， 生成结构化数据模板。 根据上述技 术方案， 可以将非结构化的表格文件以标准的规 范提取数据结构， 生成结构化数据模板进行存 储， 为后期的标准 化数据开发做准备。 权利要求书2页 说明书8页 附图2页 CN 114936194 A 2022.08.23 CN 114936194 A 1.一种生成结构化数据模板的方法， 其特 征在于， 包括： 定义数据地图模板信 息关系， 所述信 息关系包括数据地图模板的文本 内容特征类型和 对应的模板数据结构； 所述文本内容特征和数据结构通过信息项仓库约定； 其中， 所述模板 数据结构为信息项构成的树形 结构， 所述信息项为 最小数据单 元； 获取表格文件， 归纳所述表格文件的文本内容特 征类型； 根据所述表格文件的文本内容特 征类型， 定义对应的模板数据结构； 根据所述模板数据结构解析所述表格文件， 提取单元格属性信 息填充所述模板数据 结 构的信息项内容， 构建表格内容数据地图； 对所述数据地图的信息项 进行选择和 加工， 生成结构化数据模板 。 2.根据权利要求1所述的生成结构化数据模板的方法， 其特征在于， 一个所述信 息项的 包括多个键值对， 所述键值对由信息名称和信息值构成； 所述键值对的信 息名称包括信息项标题、 标题位置、 信 息项类型； 所述键值对的信 息名 称对应的信息值支持一个或多个普通数据、 信息项； 一个所述信 息项中包括信 息名称为信 息项类型的键值对时， 对应的信 息值包括节点和 文本； 一个所述信 息项中包括信 息值为文本的键值对时， 所属信 息项还包括信 息名称为值位 置的键值对； 一个所述信 息项中包括信 息值为节点的键值对时， 所属信 息项还包括信 息名称为子信 息项的键值对， 所述子信息项的对应的信息值包括 一个或多个信息项。 3.根据权利要求2所述的生成结构化数据模板的方法， 其特征在于， 所述归纳所述表格 文件的文本内容特 征类型指： 识别表格文件的标题， 获取所述标题的文字信息， 包括字符串信息、 字体名称、 字号编 号； 对所述信息进行组合， 生成特征项信息， 对所述特征项信息进行MD5加密， 生成文本内 容特征类型。 4.根据权利要求1所述的生成结构化数据模板的方法， 其特 征在于， 所述根据所述模板数据结构解析所述表格文件， 指获取表格中每一个单元格的属性， 所述属性包括： 内容属性、 位置属性、 类型属性、 布局 属性； 其中， 所述内容属性是从所述表格文件中提取的指定单 元格的文本内容； 所述类型属性是从所述单 元格提取的内容的类型， 包括标题单 元格与值单 元格； 所述位置属性从所述单元格的提取的具体位置， 所述位置属性包括表格编号、 列位编 号、 行位编号。 5.根据权利要求 4所述的生成结构化数据模板的方法， 其特 征在于， 根据一个指定单元格的属性及对应相邻单元格的属性， 判断所述指定单元格的布局属 性， 包括聚合组合、 单值组合和多值组合。 6.根据权利要求5所述的生成结构化数据模板的方法， 其特征在于， 所述提取信 息填充 所述模板数据结构的信息项内容指， 获取所述表格文件中所有单元格的属性内容与信息项 结构对应， 包括： 信息项标题与内容属性对应、 标题位置与位置属性对应、 值位置与位置属性对应、 信 息权　利　要　求　书 1/2 页 2 CN 114936194 A 2项类型与布局 属性对应。 7.根据权利要求6所述的生成结构化数据模板的方法， 其特征在于， 构建表格 内容数据 地图指： 实现所述信息项的内容， 合成所述表格文件 对应的结构化数据文件； 所述结构化数据文件的实现方式支持数据库表结构、 自定义协议文件格式、 JSON文件 格式、 XML文件格式。 8.根据权利要求6所述的生成结构化数据模板的方法， 其特征在于， 所述对所述数据地 图的信息项 进行选择和 加工， 生成结构化数据模板指： 加载结构化数据文件， 对所述结构化数据文件进行内容清理， 其中包括提取信息项中 的键值对， 清除信息值， 保留信息名称； 将所述内容清理后结构化数据文件另存为结构化数据模板 。 9.一种生成结构化数据模板的装置， 其特 征在于， 包括： 数据地图模板结构定义模块： 用于定义数据地图模板信息关系， 所述信息关系包括数 据地图模板的文本内容特征类型和对应的模板数据结构； 其中， 所述模板数据结构为信息 项构成的树形结构， 所述信息项为最小 数据单元； 一个所述信息项的包括多个键值对， 所述 键值对由信息名称和信息值构成； 表格文件属性提取模块： 用于获取所述表格文件， 归纳所述表格文件的文本内容特征 类型， 定义对应的模板数据结构； 根据所述模板数据结构解析所述表格文件， 提取单元格属 性信息； 数据地图构建模块： 用于将所述单元格属性信息填充所述模板数据结构的信息项内 容， 构建表格内容数据地图； 结构分数据模板生成模块： 用于对所述数据地图的信息项进行选择和加工， 生成结构 化数据模板 。 10.根据权利要求9所述的生成结构化数据模板的装置， 其特征在于， 所述表格文件属 性提取模块包括： 文本内容特征类型生成单元： 用于识别表格文件的标题， 获取所述标题的文字信 息， 包 括字符串信息、 字体名称、 字号编号； 对所述信息进 行组合， 生成特征项信息， 对 所述特征项 信息进行MD5加密， 生成文本内容特 征类型。 单元格属性判断单元： 用于获取表格中每一个单元格的属性， 所述属性包括： 内容属 性、 位置属性、 类型属性、 布局 属性。权　利　要　求　书 2/2 页 3 CN 114936194 A 3