本發(fā)明涉及一種日期提取方法，特別是針對(duì)電子單據(jù)的日期提取方法；本發(fā)明還涉及一種用于實(shí)現(xiàn)該提取方法的裝置。

背景技術(shù)：

電子單據(jù)在企業(yè)信息化過(guò)程中逐步替代紙質(zhì)單據(jù)，成為業(yè)務(wù)數(shù)據(jù)傳遞、業(yè)務(wù)審核的重要媒介。電子單據(jù)的錄入和審核，以及基于電子單據(jù)的數(shù)據(jù)分析是財(cái)務(wù)管理軟件的重要組成部分。用戶在應(yīng)用財(cái)務(wù)管理軟件的過(guò)程中積累了大量可供分析的電子單據(jù)數(shù)據(jù)。

用戶在使用財(cái)務(wù)管理軟件錄入電子單據(jù)時(shí)，常常需要填寫(xiě)業(yè)務(wù)發(fā)生日期。在某些財(cái)務(wù)管理軟件中，用戶填寫(xiě)的業(yè)務(wù)發(fā)生日期是以文本方式記錄的，而不是以標(biāo)準(zhǔn)的日期格式記錄，這就導(dǎo)致用戶進(jìn)行數(shù)據(jù)分析時(shí)，很難從文本中提取出日期，無(wú)法利用文本中的業(yè)務(wù)發(fā)生日期這一關(guān)鍵信息。

同時(shí)，由于電子單據(jù)錄入的場(chǎng)景有其特殊性，比如日期表達(dá)形式多樣，日期不完整，比如僅含年月日三個(gè)數(shù)據(jù)中的一個(gè)或兩個(gè)，又或者為常包含中文數(shù)字(如“九月”)等，這給日期識(shí)別和提取帶來(lái)了新的挑戰(zhàn)。

然而，現(xiàn)有針對(duì)文本的數(shù)據(jù)提取方法中，主要針對(duì)其他領(lǐng)域的文本提取，比如在搜索引擎使用，或者其他數(shù)據(jù)識(shí)別中使用。因此，現(xiàn)有提取日期的方法主要針對(duì)完整且格式規(guī)范的日期表達(dá)式，而對(duì)于不完整日期，比如：缺少年月日三個(gè)數(shù)據(jù)中的一個(gè)或兩個(gè)，例如“8月1日”、中文數(shù)字日期，例如“九月”、相對(duì)日期，例如“上個(gè)月”、時(shí)間段例如“2014年8月到10月”，則缺乏識(shí)別能力。若直接根據(jù)現(xiàn)有的提取技術(shù)對(duì)上述文字進(jìn)行提取，只能提取出相應(yīng)的文字內(nèi)容，無(wú)法進(jìn)行智能識(shí)別其對(duì)應(yīng)的實(shí)際的日期。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種從文本中智能提取日期的方法及裝置。

本發(fā)明是通過(guò)以下的技術(shù)方案實(shí)現(xiàn)的：一種從文本中智能提取日期的方法，其包括以下步驟：

步驟1：獲取將要從中提取日期的文本和單據(jù)填寫(xiě)日期；

步驟2：對(duì)文本作預(yù)處理，將文本中出現(xiàn)的日期轉(zhuǎn)換為規(guī)范形式的日期；

步驟3：構(gòu)造正則表達(dá)式，并利用正則表達(dá)式對(duì)文本中的日期表達(dá)式進(jìn)行匹配，從中提取出符合正則表達(dá)式格式的日期表達(dá)式；

步驟4：針對(duì)不同格式的日期表達(dá)式，分別提取出其中的年、月、日數(shù)字；

步驟5：借助填單日期，補(bǔ)全文本中缺失的年份或月份數(shù)據(jù)；

步驟6：將識(shí)別出的年、月、日數(shù)字組合成完整的日期，并以日期格式存儲(chǔ)。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟2中具體包括以下步驟：

步驟21：將“月份”、“號(hào)”分別用正則表達(dá)式匹配，匹配到之后轉(zhuǎn)換為“月”，“日”；

步驟22：根據(jù)文本中出現(xiàn)與填單日期具有關(guān)聯(lián)關(guān)系的日期表達(dá)形式，計(jì)算出對(duì)應(yīng)的日期；

步驟23：將中文表達(dá)的數(shù)字轉(zhuǎn)換為阿拉伯?dāng)?shù)字。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟22中與填單日期相關(guān)聯(lián)的表達(dá)式包括：“本年”、“本年度”、“去年”、“上一年”、“明年”、“下一年”、“當(dāng)月”、“下個(gè)月”、“本月”，當(dāng)匹配到上述日期表達(dá)形式之后，結(jié)合填單日期計(jì)算出對(duì)應(yīng)日期。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟3中，當(dāng)根據(jù)正則表達(dá)式對(duì)對(duì)文本中日期匹配成功后，提取匹配到的日期表達(dá)字段，并將該匹配到的字段刪除。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟5中，在補(bǔ)全缺失的年份和月份數(shù)據(jù)時(shí)，其補(bǔ)全日期的依據(jù)包括根據(jù)取填單日期所在年份和月份，和/或根據(jù)與取填單日期具備關(guān)聯(lián)關(guān)系的年份或月份。

本發(fā)明還提供了一種從文本中智能提取日期的裝置，其包括：

獲取模塊，用于獲取將要從中提取日期的文本和單據(jù)填寫(xiě)日期；

預(yù)處理模塊，用于將文本中出現(xiàn)的日期轉(zhuǎn)換為規(guī)范形式的日期；

匹配模塊，用于構(gòu)造正則表達(dá)式，并利用正則表達(dá)式對(duì)文本中的日期表達(dá)式進(jìn)行匹配，從中提取出符合正則表達(dá)式格式的日期表達(dá)式；

提取模塊，用于針對(duì)不同格式的日期表達(dá)式，分別提取出其中的年、月、日數(shù)字；

日期補(bǔ)全模塊，用于借助填單日期，補(bǔ)全文本中缺失的年份或月份數(shù)據(jù)；

儲(chǔ)存模塊，用于將識(shí)別出的年、月、日數(shù)字組合成完整的日期，并以日期格式存儲(chǔ)。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述預(yù)處理模塊包括：

第一預(yù)處理子模塊，用于將“月份”、“號(hào)”分別用正則表達(dá)式匹配，匹配到之后轉(zhuǎn)換為“月”，“日”；

第二預(yù)處理子模塊，用于根據(jù)文本中出現(xiàn)與填單日期具有關(guān)聯(lián)關(guān)系的日期表達(dá)形式，計(jì)算出對(duì)應(yīng)的日期；

第三預(yù)處理子模塊，用于將中文表達(dá)的數(shù)字轉(zhuǎn)換為阿拉伯?dāng)?shù)字。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述第二預(yù)處理子模塊中與填單日期相關(guān)聯(lián)的表達(dá)式包括：“本年”、“本年度”、“去年”、“上一年”、“明年”、“下一年”、“當(dāng)月”、“下個(gè)月”、“本月”，當(dāng)匹配到上述日期表達(dá)形式之后，結(jié)合填單日期計(jì)算出對(duì)應(yīng)日期。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述匹配模塊根據(jù)正則表達(dá)式對(duì)對(duì)文本中日期匹配成功后，提取匹配到的日期表達(dá)字段，并將該匹配到的字段刪除。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述日期補(bǔ)全模塊在補(bǔ)全缺失的年份和月份數(shù)據(jù)時(shí)，其補(bǔ)全日期的依據(jù)包括根據(jù)取填單日期所在年份和月份，和/或根據(jù)與取填單日期具備關(guān)聯(lián)關(guān)系的年份或月份。

相比于現(xiàn)有技術(shù)，具有以下有益效果：

1、本發(fā)明將以文本形式存儲(chǔ)在支出說(shuō)明中的業(yè)務(wù)發(fā)生日期，智能提取并轉(zhuǎn)換成可分析的日期格式。在此基礎(chǔ)上，可以對(duì)報(bào)銷單據(jù)按月份分類匯總，并作進(jìn)一步的財(cái)務(wù)支出分析，從而實(shí)現(xiàn)報(bào)銷成本的有效管理和控制，節(jié)約企業(yè)支出，提高企業(yè)利潤(rùn)。

2、本發(fā)明支持多種常見(jiàn)日期表達(dá)方式的識(shí)別，具體包括：(1)中文數(shù)字(2)相對(duì)年月(3)“xx月”、“xx月份“、“xx日”、“xx號(hào)”等。(4)范圍日期。(5)無(wú)年月日等關(guān)鍵字的數(shù)字日期：“20120809”、“2012-08-09”、“2012.08-2012.09“、”2012\08\09-2012\08\21“等。

3、通過(guò)本發(fā)明，用戶填寫(xiě)電子單據(jù)時(shí)，可以按照自己習(xí)慣填寫(xiě)文本格式的日期，而不必拘泥于日期格式或者浪費(fèi)精力在點(diǎn)擊日期輸入表上，從而節(jié)約用戶時(shí)間，提升用戶體驗(yàn)。

為了更好地理解和實(shí)施，下面結(jié)合附圖詳細(xì)說(shuō)明本發(fā)明。

附圖說(shuō)明

圖1是本發(fā)明的從文本中智能提取日期的方法的流程圖。

圖2是本實(shí)施例中用正則表達(dá)式匹配文本的流程圖。

圖3是本發(fā)明的從文本中智能提取日期的裝置的框圖。

具體實(shí)施方式

為了解決現(xiàn)有技術(shù)中無(wú)法針對(duì)電子單據(jù)進(jìn)行日期提取的問(wèn)題，本發(fā)明提供了一種能夠從文本中智能提取日期的方法及裝置。以下具體介紹本發(fā)明的優(yōu)選的具體實(shí)施方式。

本發(fā)明提供了一種從文本中智能提取日期的方法，其包括以下步驟：

步驟s1：獲取將要從中提取日期的文本和單據(jù)填寫(xiě)日期。

步驟s2：對(duì)文本作預(yù)處理，將文本中出現(xiàn)的日期轉(zhuǎn)換為規(guī)范形式的日期。

進(jìn)一步，在本實(shí)施例中對(duì)所述步驟2中具體包括以下步驟：

步驟21：將“月份”、“號(hào)”分別用正則表達(dá)式匹配，匹配到之后轉(zhuǎn)換為“月”，“日”。

步驟22：根據(jù)文本中出現(xiàn)與填單日期具有關(guān)聯(lián)關(guān)系的日期表達(dá)形式，計(jì)算出對(duì)應(yīng)的日期。

具體的，在本步驟中與填單日期相關(guān)聯(lián)的表達(dá)式包括：“本年”、“本年度”、“去年”、“上一年”、“明年”、“下一年”、“當(dāng)月”、“下個(gè)月”、“本月”，當(dāng)匹配到上述日 期表達(dá)形式之后，結(jié)合填單日期計(jì)算出對(duì)應(yīng)日期。比如填單日期為“2012年8月”，則“本年”、“去年”、“當(dāng)月”、“下個(gè)月”分別轉(zhuǎn)換為“2012年”、“2011年”、“8月”、“9月”。

步驟23：將中文表達(dá)的數(shù)字轉(zhuǎn)換為阿拉伯?dāng)?shù)字。例如從“一”到“三十一”的數(shù)字分別轉(zhuǎn)換為“1”到“31”，“零”轉(zhuǎn)換為“0”。

步驟s3：構(gòu)造正則表達(dá)式，并利用正則表達(dá)式對(duì)文本中的日期表達(dá)式進(jìn)行匹配，從中提取出符合正則表達(dá)式格式的日期表達(dá)式；

進(jìn)一步在本步驟中，當(dāng)根據(jù)正則表達(dá)式對(duì)對(duì)文本中日期匹配成功后，提取匹配到的日期表達(dá)字段，并將該匹配到的字段刪除，以防止重復(fù)匹配。

請(qǐng)參閱圖2，其為本實(shí)施例中用正則表達(dá)式匹配文本的流程圖。假設(shè)用戶根據(jù)需要構(gòu)造了n種正則表達(dá)式，用各種日期格式對(duì)應(yīng)的正則表達(dá)式依次匹配預(yù)處理之后的文本，若第n個(gè)正則表達(dá)式匹配成功，則進(jìn)入第n個(gè)正則表達(dá)式對(duì)應(yīng)的處理流程，處理完成后用第n+1個(gè)正則表達(dá)式匹配文本；若第n個(gè)正則表達(dá)式未匹配成功，則繼續(xù)用第n+1個(gè)正則表達(dá)式匹配文本。

步驟s4：針對(duì)不同格式的日期表達(dá)式，分別提取出其中的年、月、日數(shù)字。由于每一種匹配文本所用的正則表達(dá)式，其格式都是固定的，比如““xxxx年xx月”，其第一個(gè)純數(shù)字即為年份，第二個(gè)純數(shù)字則為月份，因此對(duì)此日期進(jìn)行數(shù)字匹配，即可將匹配到的數(shù)字按順序依次識(shí)別為年份和月份。

步驟s5：借助填單日期，補(bǔ)全文本中缺失的年份或月份數(shù)據(jù)。

具體的，在本步驟中，在補(bǔ)全缺失的年份和月份數(shù)據(jù)時(shí)，其補(bǔ)全日期的依據(jù)包括根據(jù)取填單日期所在年份和月份，和/或根據(jù)與取填單日期具備關(guān)聯(lián)關(guān)系的年份或月份。

檢查匹配到的日期是否完整，如果完整則直接生成規(guī)范格式的日期，如果不完整則智能補(bǔ)全日期后再生成規(guī)范格式日期。根據(jù)不同的應(yīng)用場(chǎng)景，完整日期的定義可以不同，在分析財(cái)務(wù)報(bào)銷單據(jù)時(shí)，一般要求年份和月份，而不要求具體到某日，因此本發(fā)明以包含年份和月份作為日期完整的判斷標(biāo)準(zhǔn)。本發(fā)明的使用者可以自行決定具體采用何種規(guī)范格式，本例采用“xxxx年xx月xx日”的格式，例如“2012年03月21日”。若匹配到的日期字段中缺失年或月，本發(fā)明將結(jié)合填單日期進(jìn)行智能補(bǔ)充，例如填單日期為“2012年10月10日”，匹配到的日期表達(dá)式為“9月8日”，則日期智能補(bǔ)充后結(jié)果為“2012年9月8日”。

對(duì)不同單據(jù)，用于補(bǔ)充的年份和月份數(shù)據(jù)可能取填單日期所在年份和月份，也可能取填單日期的上一年、下一年、上一個(gè)月、下一個(gè)月，具體取決于單據(jù)類型以及填單日期與待補(bǔ)充日期的關(guān)聯(lián)關(guān)系。對(duì)于年份，補(bǔ)充規(guī)則為：若月份值<＝“制單月份值+1”，則取制單日期 年份作為業(yè)務(wù)發(fā)生年份，否則取“制單日期年份－1”作為業(yè)務(wù)發(fā)生年份。例如填單日期為“2012年10月10日”，匹配到的日期表達(dá)式為“9月8日”，則日期智能補(bǔ)充后結(jié)果為“2012年9月8日”；再如填單日期為“2012年1月10日”，匹配到的日期表達(dá)式為“11月8日”，則日期智能補(bǔ)充后結(jié)果為“2011年11月8日”。

步驟s6：將識(shí)別出的年、月、日數(shù)字組合成完整的日期，并以日期格式存儲(chǔ)。

在本步驟中，本發(fā)明結(jié)合數(shù)據(jù)分析的需求，將重復(fù)日期合并，并將合并后的結(jié)果日期全部按統(tǒng)一的規(guī)范格式存儲(chǔ)。

進(jìn)一步，以下對(duì)本發(fā)明采用的日期匹配正則表達(dá)式進(jìn)行簡(jiǎn)單介紹，本實(shí)施例中采用了17種正則表達(dá)式，分別如下：

(1)pattern_date(0)＝"((19)？9[5-9]|(20)？[0-4][0-9])[年\-－\./\\](1[012]|0？[1-9])[月\-－\./\\](30|31|([12][0-9])|(0？[1-9]))日？([至到～～]|\-+|－+)((19)？9[5-9]|(20)？[0-4][0-9])[年\-－\./\\](1[012]|0？[1-9])[月\-－\./\\](30|31|([12][0-9])|(0？[1-9]))(日|(？！[\d\-－\./\\]))"

簡(jiǎn)介：xxxx[年-－/.]xx[月-－/.]xx[日](-/---/至/到/～～)xxxx[年-－/.]xx[月-－/.]xx[日],也即是：該正則表達(dá)式中所匹配到的年可以是1995～2049，或者95～99，00～49。月可以是1～12,或01～09，日可以是01～09,1～9,10～31。比如：1995年1月1日～2010年1月1日。

(2)pattern_date(1)＝"((19)？9[5-9]|(20)？[0-4][0-9])[年\-－\./\\](1[012]|0？[1-9])[月\-－\./\\](30|31|([12][0-9])|(0？[1-9]))日？([至到～～]|\-+|－+)(1[012]|0？[1-9])[月\-－\./\\](30|31|([12][0-9])|(0？[1-9]))(日|(？！[\d\-－\./\\]))"

簡(jiǎn)介：xxxx年xx月xx[日](-/---/至/到/～～)xx月xx[日]。這里的年可以是1995～2049，或者95～99，00～49。月可以是1～12,或01～09，日可以是01～09,1～9,10～31。比如：1995年1月1日～10月1日。

(3)pattern_date(2)＝"((19)？9[5-9]|(20)？[0-4][0-9])[年\-－\./\\](1[012]|0？[1-9])月？([至到～～]|\-+|－+)((19)？9[5-9]|(20)？[0-4][0-9])[年\-－\./\\](1[012]|0？[1-9])(月|(？！[\d\-－\./\\]))"

簡(jiǎn)介：xxxx年xx[月](-/---/至/到/～～)xxxx年xx[月]；xxxx(-./\)xx(-/---/至/到/～～)xxxx(-./\)xx；注：這里會(huì)匹配“11-08～12-09”這種表達(dá)式，實(shí)際上由于當(dāng)前年份已是2015年，這種日期出現(xiàn)后更可能表示11月8日～12月9日,而非11年8月～12年9月,因此在程序內(nèi)將作特殊判斷。

(4)pattern_date(3)＝"((19)？9[5-9]|(20)？[0-4][0-9])[年\./\\](1[012]|0？[1-9])月？([至到～～]|\-+|－+)(1[012]|0？[1-9])(月|(？！[\d\-－\./\\]))|((19)？9[5-9]|(20)？[0-4][0-9])[\-－](1[012]|0？[1-9])月？[至到～～](1[012]|0？[1-9])(月|(？！[\d\-－\./\\]))"

簡(jiǎn)介：xxxx年xx[月](-/---/至/到/～～)xx月；xxxx(-./\)xx(-/---/至/到/～～)xx；上邊用 "|"分成兩部分寫(xiě)，主要是為了防止xx-xx-xx的情況被匹配；零寬斷言是為了防止類似12-07～12-21這種被匹配出12-07～12來(lái)。

(5)pattern_date(4)＝"((19)？9[5-9]|(20)？[0-4][0-9])[年\-－\./\\](1[012]|0？[1-9])[月\-－\./\\](30|31|([12][0-9])|(0？[1-9]))日？([至到～～]|\-+|－+)(30|31|([12][0-9])|(0？[1-9]))(日|(？！[月\d\-－\./\\]))"

簡(jiǎn)介：xxxx年xx月xx[日](-/---/至/到/～～)xx[日]；xxxx(-./\)xx(-./\)xx(-/---/至/到/～～)xx。比如：1999年1月1日～10日。

(6)pattern_date(5)＝"((19)？9[5-9]|(20)？[0-4][0-9])[年\-－\./\\](1[012]|0？[1-9])[月\-－\./\\](30|31|([12][0-9])|(0？[1-9]))(日|(？！[月\d\-－\./\\]))"

簡(jiǎn)介：xxxx年xx月xx日；xxxx(-./\)xx(-./\)xx。比如：2000年1月1日，可以匹配到2000-1-1等表達(dá)式。

(7)pattern_date(6)＝"((19)？9[5-9]|(20)？[0-4][0-9])年((1[012]|0？[1-9])(月[、，,\.]？|[、，,\.]))*((1[012]|0？[1-9])月？[和與及])？(1[012]|0？[1-9])月"

簡(jiǎn)介：在有“月”的情況下，兩個(gè)月之間可以無(wú)分隔符[、，,\.]，以匹配“xx年1月2月”。

(8)pattern_date(7)＝"(199[5-9]|20[0-4][0-9])[\-－\./\\](1[012]|0？[1-9])(？！[\d\-－\./\\])"

簡(jiǎn)介：xxxx(-./\)xx。比如：2000-12，表示2000年12月

(9)pattern_date(8)＝"(199[5-9]|20[0-4][0-9])(1[012]|0[1-9])([至到～～]|\-+|－+)(199[5-9]|20[0-4][0-9])(1[012]|0[1-9])(？！\d)"

簡(jiǎn)介：yyyymm(-/---/至/到/～～)yyyymm

(10)pattern_date(9)＝"(199[5-9]|20[0-4][0-9])(1[012]|0[1-9])(30|31|([12][0-9])|(0[1-9]))(？！\d)|(199[5-9]|20[0-4][0-9])(1[012]|0[1-9])(？！\d)"

簡(jiǎn)介：yyyymmdd/yyyymm

(11)pattern_date(10)＝"(1[012]|0？[1-9])[月\-－\./\\](30|31|([12][0-9])|(0？[1-9]))日？([至到～～]|\-+|－+)(1[012]|0？[1-9])[月\-－\./\\](30|31|([12][0-9])|(0？[1-9]))(日|(？！[月\d\-－\./\\]))"

簡(jiǎn)介：xx[月-－/.]xx[日](-/---/至/到/～～)xx[月-－/.]xx[日],月可以是1～12,或01～09，日可以是01～09,1～9,10～31

(12)pattern_date(11)＝"(1[012]|0？[1-9])[月\-－\./\\](30|31|([12][0-9])|(0？[1-9]))日？([至到～～]|\-+|－+)(30|31|([12][0-9])|(0？[1-9]))(日|(？！[月\d\-－\./\\]))"

簡(jiǎn)介：xx月xx[日](-/---/至/到/～～)xx[日]；xx(-./\)xx(-/---/至/到/～～)xx

(13)pattern_date(12)＝"(1[012]|0？[1-9])月？([至到～～]|\-+|－+)(1[012]|0？[1-9])月"

簡(jiǎn)介：xx[月](-/---/至/到/～～)xx月,月可以是1～12,或01～09

(14)pattern_date(13)＝"(30|31|([12][0-9])|(0？[1-9]))日？([至到～～]|\-+|－+)(30|31|([12][0-9])|(0？[1-9]))日"

簡(jiǎn)介：xx[日](-/---/至/到/～～)xx日

(15)pattern_date(14)＝"((19)？9[5-9]|(20)？[0-4][0-9])年？([至到～～]|\-+|－+)((19)？9[5-9]|(20)？[0-4][0-9])年"

簡(jiǎn)介：xxxx[年](-/---/至/到/～～)xxxx年

(16)pattern_date(15)＝"\b((1[012]|0？[1-9])月？[、，,\.])*((1[012]|0？[1-9])月？[和與及])？(1[012]|0？[1-9])月"

簡(jiǎn)介：(xx[月](、，,.和與及)){0,11}xx月,包括了xx月的形式；為匹配"12月1月"及“12月1日”這種情況，不加零寬先行斷言。

(17)pattern_date(16)＝"((19)？9[5-9]|(20)？[0-4][0-9])年"

簡(jiǎn)介：xxxx年以及xx年

相比于現(xiàn)有技術(shù)，具有以下有益效果：

1、本發(fā)明將以文本形式存儲(chǔ)在支出說(shuō)明中的業(yè)務(wù)發(fā)生日期，智能提取并轉(zhuǎn)換成可分析的日期格式。在此基礎(chǔ)上，可以對(duì)報(bào)銷單據(jù)按月份分類匯總，并作進(jìn)一步的財(cái)務(wù)支出分析，從而實(shí)現(xiàn)報(bào)銷成本的有效管理和控制，節(jié)約企業(yè)支出，提高企業(yè)利潤(rùn)。

2、本發(fā)明支持多種常見(jiàn)日期表達(dá)方式的識(shí)別，具體包括：(1)中文數(shù)字(2)相對(duì)年月(3)“xx月”、“xx月份“、“xx日”、“xx號(hào)”等。(4)范圍日期。(5)無(wú)年月日等關(guān)鍵字的數(shù)字日期：“20120809”、“2012-08-09”、“2012.08-2012.09“、”2012\08\09-2012\08\21“等。

3、通過(guò)本發(fā)明，用戶填寫(xiě)電子單據(jù)時(shí)，可以按照自己習(xí)慣填寫(xiě)文本格式的日期，而不必拘泥于日期格式或者浪費(fèi)精力在點(diǎn)擊日期輸入表上，從而節(jié)約用戶時(shí)間，提升用戶體驗(yàn)。

另外請(qǐng)參閱圖3，其為本發(fā)明的從文本中智能提取日期的裝置的框圖。本發(fā)明還提供了一種從文本中智能提取日期的裝置，其包括：獲取模塊1、預(yù)處理模塊2、匹配模塊3、提取模塊4、日期補(bǔ)全模塊5和儲(chǔ)存模塊6。

所述獲取模塊1，用于獲取將要從中提取日期的文本和單據(jù)填寫(xiě)日期；

所述預(yù)處理模塊2，用于將文本中出現(xiàn)的日期轉(zhuǎn)換為規(guī)范形式的日期。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述預(yù)處理模塊2包括：

第一預(yù)處理子模塊21，用于將“月份”、“號(hào)”分別用正則表達(dá)式匹配，匹配到之后轉(zhuǎn)換為“月”，“日”。

第二預(yù)處理子模塊22，用于根據(jù)文本中出現(xiàn)與填單日期具有關(guān)聯(lián)關(guān)系的日期表達(dá)形式，計(jì)算出對(duì)應(yīng)的日期。進(jìn)一步，所述第二預(yù)處理子模塊中與填單日期相關(guān)聯(lián)的表達(dá)式包括：“本年”、“本年度”、“去年”、“上一年”、“明年”、“下一年”、“當(dāng)月”、“下個(gè)月”、“本月”，當(dāng)匹配到上述日期表達(dá)形式之后，結(jié)合填單日期計(jì)算出對(duì)應(yīng)日期。

第三預(yù)處理子模塊23，用于將中文表達(dá)的數(shù)字轉(zhuǎn)換為阿拉伯?dāng)?shù)字。

所述匹配模塊3，用于構(gòu)造正則表達(dá)式，并利用正則表達(dá)式對(duì)文本中的日期表達(dá)式進(jìn)行匹配，從中提取出符合正則表達(dá)式格式的日期表達(dá)式。

進(jìn)一步，所述匹配模塊3根據(jù)正則表達(dá)式對(duì)對(duì)文本中日期匹配成功后，提取匹配到的日期表達(dá)字段，并將該匹配到的字段刪除。

所述提取模塊4，用于針對(duì)不同格式的日期表達(dá)式，分別提取出其中的年、月、日數(shù)字。

所述日期補(bǔ)全模塊5，用于借助填單日期，補(bǔ)全文本中缺失的年份或月份數(shù)據(jù)；

進(jìn)一步，所述日期補(bǔ)全模塊5在補(bǔ)全缺失的年份和月份數(shù)據(jù)時(shí)，其補(bǔ)全日期的依據(jù)包括根據(jù)取填單日期所在年份和月份，和/或根據(jù)與取填單日期具備關(guān)聯(lián)關(guān)系的年份或月份。

所述儲(chǔ)存模塊6，用于將識(shí)別出的年、月、日數(shù)字組合成完整的日期，并以日期格式存儲(chǔ)。

本發(fā)明并不局限于上述實(shí)施方式，如果對(duì)本發(fā)明的各種改動(dòng)或變形不脫離本發(fā)明的精神和范圍，倘若這些改動(dòng)和變形屬于本發(fā)明的權(quán)利要求和等同技術(shù)范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變形。