标记语言文件的文本提取方法、装置、设备和存储介质与流程

1.一种标记语言文件的文本提取方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，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：

3.根据权利要求2所述的方法，其特征在于，在计算出所述当前时刻分片大小后还，还包括：

4.根据权利要求2所述的方法，其特征在于，在判断所述当前时刻分片大小大于所述当前系统剩余内存时，将执行以下操作：

5.根据权利要求2所述的方法，其特征在于，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：

6.根据权利要求5所述的方法，其特征在于，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：

7.根据权利要求1-6中任一项所述的方法，其特征在于，在判断所述待处理标记语言文件不是大文件的情况下，直接读取所述待处理标记语言文件的全部内容，检测并删除所述待处理标记语言文件中的标记信息，得到所述待处理标记语言文件对应的文本文件。

8.一种标记语言文件的文本提取装置，其特征在于，包括：

9.一种标记语言文件的文本提取设备，其特征在于，包括：

10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。