大数据项目二 -- 金融文本信息提取

参考

https://github.com/dmjvictory/fddc-extraction-release.git

基本信息

• config： 目录包含一些配置文件
• docparser： 实现对文档的解析，主要是对HTML文件的解析，解析HTML中的文本段落和表格信息
• extract: 实现信息抽取器，主要基于docparser解析后的结果进行信息抽取，这里主要实现了增减持项目的抽取器
• ner: 封装实现 NER打标签的工具
• utils: 实现一些功能性组件
• app.py: 主函数，实现对某篇HTML文件或某个目录下HTML文件的信息抽取
• requirements.txt： pip 的相关依赖列表

运行方法

运行python环境为： python3.6 NER部分采用 pyltp 需要下载相关模型文件并在app.py中配置相关模型目录路径 ner_model_dir_path