买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京正元智晟科技有限公司申请的专利标记语言文件的文本提取方法、装置、设备和存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119005171B 。

龙图腾网通过国家知识产权局官网在2025-04-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410977985.7，技术领域涉及：G06F40/221；该发明授权标记语言文件的文本提取方法、装置、设备和存储介质是由杨长春;苏晨;常杰毅设计研发完成，并于2024-07-19向国家知识产权局提交的专利申请。

本标记语言文件的文本提取方法、装置、设备和存储介质在说明书摘要公布了：本公开提供了一种标记语言文件的文本提取方法、装置、设置和存储介质，该方法包括：获取待处理标记语言文件以及待处理标记语言文件的文件大小；基于文件大小以及当前系统剩余内存，判断待处理标记语言文件是否为大文件；在判断待处理标记语言文件为大文件的情况下，对待处理标记语言文件进行流式分片内容读取和文本提取，得到组成待处理标记语言文件的各分片内容对应的文本提取结果；将各分片内容对应的文本提取结果以流式分片的方式发送至目标服务器，以使目标服务器对各分片内容对应的文本提取结果进行组合，得到待处理标记语言文件对应的文本文件。通过对大文件进行流式分片处理，可以提高文本信息的提取效率，避免文本信息的提取报错。

本发明授权标记语言文件的文本提取方法、装置、设备和存储介质在权利要求书中公布了：1.一种标记语言文件的文本提取方法，其特征在于，包括：获取待处理标记语言文件以及所述待处理标记语言文件的文件大小；基于所述文件大小以及当前系统剩余内存，判断所述待处理标记语言文件是否为大文件；在判断所述待处理标记语言文件为大文件的情况下，对所述待处理标记语言文件进行流式分片内容读取和文本提取，得到组成所述待处理标记语言文件的各分片内容对应的文本提取结果；将各所述分片内容对应的文本提取结果以流式分片的方式发送至目标服务器，以使目标服务器对各所述分片内容对应的文本提取结果进行组合，得到所述待处理标记语言文件对应的文本文件；在对所述待处理标记语言文件进行流式分片内容读取和文本提取，得到组成所述待处理标记语言文件的各分片内容对应的文本提取结果时，包括：获取系统的总内存、当前时刻内存使用数据以及预设的分片数量；基于所述总内存、所述当前时刻内存使用数据以及所述分片数量，计算当前时刻分片大小，其中，当前时刻分片大小表征了当前时刻分片内容的截取大小；基于所述当前时刻分片大小，由所述待处理标记语言文件中未被读取的文件内容中读取出当前时刻分片内容；对所述当前时刻分片内容中的标记信息进行检测和删除，得到所述当前时刻分片内容对应的文本提取结果；重复上述流式分片内容读取和文本提取操作，直到得到组成所述待处理标记语言文件的各分片内容对应的文本提取结果；在对所述当前时刻分片内容中的标记信息进行检测和删除，得到所述当前时刻分片内容对应的文本提取结果时，包括：判断所述当前时刻分片内容中是否存在包括完整标记信息的文本内容；在判断所述当前时刻分片内容中存在包括完整标记信息的文本内容的情况下，将包括完整标记信息的文本内容提取出来，删除其中的完整标记，得到所述当前时刻分片内容对应的文本提取结果；在判断所述当前时分片内容中不存在包括完整标记信息的文本内容的时，执行以下操作：判断所述当前时刻分片大小是否小于等于所述当前系统剩余内存；在判断所述当前时刻分片大小小于等于所述当前系统剩余内存时，基于所述当前时刻分片大小，由所述待处理标记语言文件中读取下一时刻分片内容；将所述下一时刻分片内容与所述当前时分片内容按序组合，得到下一时刻分片内容；判断所述下一时刻分片内容中是否存在包括完整标记信息的文本内容；在判断所述下一时刻分片内容中存在包括完整标记信息的文本内容的情况下，将包括完整标记信息的文本内容提取出来，删除其中的完整标记，得到所述下一时刻分片内容对应的文本提取结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京正元智晟科技有限公司，其通讯地址为：100048 北京市海淀区西三环北路89号8层A-096；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。