为什么网络上很少有文档结构化的资料，求文档结构化配置经验分享

[SteadyHua]

最近在做文档结构化相关工作，各位大佬能分享下（ Word/Excel/Pdf ）文档结构化配置的经验或有什么类似的产品可以参考吗？

[czfy]

不如你解释一下什么是 文档结构化

[SteadyHua]

@czfy
转自百科
结构化数据(Structured data)-可以组织成行列结构，可识别的数据。这类数据通常是一条记录，或者一个文件，或者是被正确标记过的数据中的某一个字段，并且可以被精确地定位到。

对于来源繁多的信息资料，专业人士根据信息的格式加以划分，将其分为结构化信息和非结构化信息两大类。

结构化信息，我们通常接触的数据库所管理的信息，包括生产、业务、交易、客户信息等方面的记录。

非结构化信息，专业术语为内容，所涵盖的信息更为广泛，可分为：营运内容（ operationalcontent ）：如合约、发票、书信与采购记录；部门内容（ workgroupcontent ）：如文书处理、电子表格、简报档案与电子邮件； Web 内容：如 HTML 与 XML 等格式的信息；多媒体内容（ RichMediaContent ）：如声音、影片、图形等。

通俗的解释就是将非结构化数据结构化后入库，例如将 Word 解析成 HTML 展示，保存其中所需要结构为后续同类型 Word 批量解析，解析成结构化数据入库。

[czfy]

如果是这样的话，excel 本来就是结构化数据居多吧
word/pdf 的场景我就不懂了，看其他人吧

[LiubaiQ]

如果是微软 office 系列，可以看下官方文档，之前我记得看到过有提供工具库，可以解析成结构化数据，貌似还有一个公司专门做文档解析为结构化数据的，提供网络 Api 和包（貌似是 java ），不过是收费的