買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜北京正元智晟科技有限公司申請的專利標記語言文件的文本提取方法、裝置、設備和存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119005171B 。

龍圖騰網通過國家知識產權局官網在2025-04-04發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410977985.7，技術領域涉及：G06F40/221；該發明授權標記語言文件的文本提取方法、裝置、設備和存儲介質是由楊長春;蘇晨;常杰毅設計研發完成，并于2024-07-19向國家知識產權局提交的專利申請。

本標記語言文件的文本提取方法、裝置、設備和存儲介質在說明書摘要公布了：本公開提供了一種標記語言文件的文本提取方法、裝置、設置和存儲介質，該方法包括：獲取待處理標記語言文件以及待處理標記語言文件的文件大?。换谖募笮∫约爱斍跋到y剩余內存，判斷待處理標記語言文件是否為大文件；在判斷待處理標記語言文件為大文件的情況下，對待處理標記語言文件進行流式分片內容讀取和文本提取，得到組成待處理標記語言文件的各分片內容對應的文本提取結果；將各分片內容對應的文本提取結果以流式分片的方式發送至目標服務器，以使目標服務器對各分片內容對應的文本提取結果進行組合，得到待處理標記語言文件對應的文本文件。通過對大文件進行流式分片處理，可以提高文本信息的提取效率，避免文本信息的提取報錯。

本發明授權標記語言文件的文本提取方法、裝置、設備和存儲介質在權利要求書中公布了：1.一種標記語言文件的文本提取方法，其特征在于，包括：獲取待處理標記語言文件以及所述待處理標記語言文件的文件大??；基于所述文件大小以及當前系統剩余內存，判斷所述待處理標記語言文件是否為大文件；在判斷所述待處理標記語言文件為大文件的情況下，對所述待處理標記語言文件進行流式分片內容讀取和文本提取，得到組成所述待處理標記語言文件的各分片內容對應的文本提取結果；將各所述分片內容對應的文本提取結果以流式分片的方式發送至目標服務器，以使目標服務器對各所述分片內容對應的文本提取結果進行組合，得到所述待處理標記語言文件對應的文本文件；在對所述待處理標記語言文件進行流式分片內容讀取和文本提取，得到組成所述待處理標記語言文件的各分片內容對應的文本提取結果時，包括：獲取系統的總內存、當前時刻內存使用數據以及預設的分片數量；基于所述總內存、所述當前時刻內存使用數據以及所述分片數量，計算當前時刻分片大小，其中，當前時刻分片大小表征了當前時刻分片內容的截取大?。换谒霎斍皶r刻分片大小，由所述待處理標記語言文件中未被讀取的文件內容中讀取出當前時刻分片內容；對所述當前時刻分片內容中的標記信息進行檢測和刪除，得到所述當前時刻分片內容對應的文本提取結果；重復上述流式分片內容讀取和文本提取操作，直到得到組成所述待處理標記語言文件的各分片內容對應的文本提取結果；在對所述當前時刻分片內容中的標記信息進行檢測和刪除，得到所述當前時刻分片內容對應的文本提取結果時，包括：判斷所述當前時刻分片內容中是否存在包括完整標記信息的文本內容；在判斷所述當前時刻分片內容中存在包括完整標記信息的文本內容的情況下，將包括完整標記信息的文本內容提取出來，刪除其中的完整標記，得到所述當前時刻分片內容對應的文本提取結果；在判斷所述當前時分片內容中不存在包括完整標記信息的文本內容的時，執行以下操作：判斷所述當前時刻分片大小是否小于等于所述當前系統剩余內存；在判斷所述當前時刻分片大小小于等于所述當前系統剩余內存時，基于所述當前時刻分片大小，由所述待處理標記語言文件中讀取下一時刻分片內容；將所述下一時刻分片內容與所述當前時分片內容按序組合，得到下一時刻分片內容；判斷所述下一時刻分片內容中是否存在包括完整標記信息的文本內容；在判斷所述下一時刻分片內容中存在包括完整標記信息的文本內容的情況下，將包括完整標記信息的文本內容提取出來，刪除其中的完整標記，得到所述下一時刻分片內容對應的文本提取結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京正元智晟科技有限公司，其通訊地址為：100048 北京市海淀區西三環北路89號8層A-096；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。