專利名稱：超大量文本信息數(shù)據(jù)處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種數(shù)據(jù)處理方法，特別是指處理文字稿件的方法。
現(xiàn)在因特網(wǎng)信息服務(wù)商處理信息的步驟和流程主要是是這樣1、確定信息內(nèi)容結(jié)構(gòu)在規(guī)劃設(shè)計(jì)網(wǎng)站內(nèi)容之初，必須將整個(gè)網(wǎng)站的分類做詳細(xì)的規(guī)劃，比如要定義出“國(guó)內(nèi)新聞”、“國(guó)際新聞”、“科技新聞”等欄目。欄目一經(jīng)確定之后，一般很難再做改動(dòng)，因?yàn)橐坏└膭?dòng)，必然牽涉到整個(gè)體系的改變。
2、收集信息的渠道和處理方式①信息員提供的文字稿件；②從報(bào)紙、雜志上摘錄信息；③從網(wǎng)上查找信息；以上的數(shù)據(jù)來(lái)了以后，由公司重新錄入、排版成統(tǒng)一格式，并最終形成頁(yè)面文件(一般都是HTML格式)；④或者將報(bào)刊雜志的內(nèi)容掃描，存成頁(yè)面文件。
3、發(fā)布上網(wǎng)，在完成上述信息編輯制作后存入服務(wù)器中，將每條信息的標(biāo)題放在相應(yīng)的欄目下，并鏈接到該信息的頁(yè)面。
上述信息處理方法的缺陷是①必須對(duì)每條信息逐條進(jìn)行加工編輯，影響了編輯的速度；②分類不細(xì)，使用中一般只能通過(guò)全文檢索的方式進(jìn)行檢索、查詢，檢索、查詢過(guò)程麻煩，效率不高；③通常的編輯器如Ms-Office中的Word、Frontpage及純文本編輯器等，一般都有容量限制，若同時(shí)對(duì)大量的信息進(jìn)行編輯則難以勝任。
本發(fā)明的目的在于提供一種超大量文本信息數(shù)據(jù)處理方法，可以有效地提高信息編輯速度，同時(shí)提高信息處理能力。
本發(fā)明所提供的超大量文本信息數(shù)據(jù)處理方法分為以下步驟① 對(duì)不同來(lái)源的文稿文件進(jìn)行人工分割，在每篇文稿的標(biāo)題與正文之間、正文與下一文稿標(biāo)題之間均插入一分割符，形成如下格式<分割符>標(biāo)題1<分割符>正文1<分割符>標(biāo)題2<分割符>正文2<分割符>標(biāo)題3<分割符>正文3…的格式，其中分割符可采用文稿中不會(huì)出現(xiàn)的特殊字符，如“※※※”等。
②入庫(kù)，將上述格式的文稿導(dǎo)入數(shù)據(jù)庫(kù)中，導(dǎo)入后，數(shù)據(jù)庫(kù)的格式為
③最終用數(shù)據(jù)庫(kù)文件形式發(fā)布。
導(dǎo)入過(guò)程需要數(shù)據(jù)庫(kù)支持微軟的SQL結(jié)構(gòu)化數(shù)據(jù)庫(kù)語(yǔ)言規(guī)范，所以在選擇數(shù)據(jù)庫(kù)方面首先要考慮這一條件，其次還要考慮數(shù)據(jù)庫(kù)是否便于管理，應(yīng)用支持是否廣泛，表功能是否強(qiáng)大，是否便于修改、刪除、添加數(shù)據(jù)，是否擁有良好直觀的用戶界面，以便于非技術(shù)人員進(jìn)行各項(xiàng)操作管理，是否可以在多種格式之間相互轉(zhuǎn)換，是否支持多種數(shù)據(jù)格式以便于向多種數(shù)據(jù)庫(kù)導(dǎo)入數(shù)據(jù)。
與已有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于可對(duì)多種不同來(lái)源的文稿進(jìn)行快速編輯，處理的信息量大，對(duì)信息的深度處理更容易，檢索準(zhǔn)確快速。
下面結(jié)合實(shí)施例對(duì)本發(fā)明提供的超大量文本信息數(shù)據(jù)處理方法作進(jìn)一步說(shuō)明。
本實(shí)施例為一用于糧油信息網(wǎng)的信息數(shù)據(jù)處理方法，本例中采用Microsoft access數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)處理，Microsoft access數(shù)據(jù)庫(kù)是一個(gè)管理簡(jiǎn)便、功能齊備、應(yīng)用支持廣泛的數(shù)據(jù)庫(kù)，它的開發(fā)功能和表功能強(qiáng)大，使它在修改、刪除、添加數(shù)據(jù)方面都很方便。它可以方便地在各種格式之間轉(zhuǎn)換，編輯出的內(nèi)容可隨意被任何數(shù)據(jù)庫(kù)和應(yīng)用程序所使用，例如Sq1大型數(shù)據(jù)庫(kù)、各種文本編輯器、Excell、Dbase、FoxBase等。它的用戶界面非常良好直觀，最適合非技術(shù)人員的使用，使普通人員稍加培訓(xùn)就可上崗工作，這樣有利于降低使用成本，使數(shù)據(jù)庫(kù)應(yīng)用趨于平民化。其處理過(guò)程為
①?gòu)母鞯胤骄W(wǎng)站匯總來(lái)不同版本格式的電子文稿；②由人工進(jìn)行分割，在標(biāo)題與正文之間、正文與下一篇標(biāo)題之間插入分割符，本例中分割符為“***”；③入庫(kù)過(guò)程為導(dǎo)入之前系統(tǒng)首先要應(yīng)用Sq1(結(jié)構(gòu)化數(shù)據(jù)庫(kù))語(yǔ)言在空數(shù)據(jù)庫(kù)內(nèi)建立一個(gè)Table(表)，品種、屬性、時(shí)間等字段名是在建庫(kù)之前就已預(yù)先定義的，除了定義Table的名稱和字段名外還要定義字段的屬性，如“品種”字段的屬性是數(shù)據(jù)類型字符形數(shù)據(jù)字段長(zhǎng)度最長(zhǎng)200個(gè)字節(jié)是否允許空字符允許空字符導(dǎo)入時(shí)系統(tǒng)先自動(dòng)生成序號(hào)、時(shí)間，然后與標(biāo)題、正文一起形成一個(gè)RECORD(記錄)，添加到數(shù)據(jù)庫(kù)中，其它的字段暫時(shí)為空；等所有數(shù)據(jù)導(dǎo)入之后由人工使用應(yīng)用程序根據(jù)標(biāo)題、正文的內(nèi)容將適當(dāng)?shù)拇a添加到預(yù)留的字段中使記錄完整，至此完成所有的入庫(kù)過(guò)程。入庫(kù)后成為如下格式
④用數(shù)據(jù)庫(kù)文件形式INTERNET網(wǎng)上發(fā)布。
權(quán)利要求
一種超大量文本信息數(shù)據(jù)處理的方法，其特征在于分為以下步驟①對(duì)不同來(lái)源的文稿文件進(jìn)行人工分割，在每篇文稿的標(biāo)題與正文之間、正文與下一文稿標(biāo)題之間均插入一分割符，形成如下格式<分割符>標(biāo)題1<分割符>正文1<分割符>標(biāo)題2<分割符>正文2<分割符>標(biāo)題3<分割符>正文3…的格式，其中分割符可采用文稿中不會(huì)出現(xiàn)的特殊字符；②入庫(kù)，將上述格式的文稿導(dǎo)入數(shù)據(jù)庫(kù)中，導(dǎo)入后，數(shù)據(jù)庫(kù)的格式為
③最終用數(shù)據(jù)庫(kù)文件形式發(fā)布。
全文摘要
一種超大量文本信息數(shù)據(jù)處理方法,首先對(duì)不同來(lái)源的文稿文件進(jìn)行人工分割,在每篇文稿的標(biāo)題與正文之間、正文與下一文稿標(biāo)題之間均插入一分割符,然后將上述格式的文稿導(dǎo)入數(shù)據(jù)庫(kù)中,最終用數(shù)據(jù)庫(kù)文件形式發(fā)布。本發(fā)明的優(yōu)點(diǎn)在于:可對(duì)多種不同來(lái)源的文稿進(jìn)行快速編輯,處理的信息量大,對(duì)信息的深度處理更容易,檢索準(zhǔn)確快速。
文檔編號(hào)G06F17/21GK1343947SQ0012453
公開日2002年4月10日 申請(qǐng)日期2000年9月19日 優(yōu)先權(quán)日2000年9月19日
發(fā)明者胡天木 申請(qǐng)人:北京新華國(guó)信科貿(mào)有限責(zé)任公司