[发明专利]识别便携文件格式文件中图注的方法和装置

权利要求书

1.一种识别便携文件格式文件中图注的方法，用于电子书编辑领域，其特征在于，包括：

解析并识别出便携文件格式PDF文件当前页的文本块对象和图片块对象；

从识别出的文本块对象中选择字体字号不同于PDF文件正文的字体字号的文本块对象作为第一候选的图注块对象；

从所述第一候选的图注块对象中选择在垂直方向上的高度低于待匹配的所述图片块对象的高度的文本块对象作为第二候选的图注块对象；

从所述第二候选的图注块对象中对待匹配的所述图片块对象确定与其在垂直方向上最相邻的文本块对象；

判断所述最相邻的文本块对象是否含有用于标识图片的标识字符，若是则判定所述最相邻的文本块对象为对应的图注块对象；

将识别出的所述图注块对象与对应的所述图片块对象匹配并关联；

在所述对待匹配的所述图片块对象确定与其在垂直方向上最相邻的文本块对象的步骤之前，还包括：

判断待匹配的所述图片块对象是否位于当前页的最下方，若是则判定下一页最上方的文本块对象为其图注块对象。

2.根据权利要求1所述的方法，其特征在于，在判断所述最相邻的文本块对象是否含有用于标识图片的标识字符的步骤之前，还包括：

判断所述最相邻的文本块对象的行高是否为一行或者两行文字高度，若是则执行后续步骤，若否则判定待匹配的所述图片块对象无图注。

3.一种识别便携文件格式文件中图注的装置，用于电子书编辑领域，其特征在于，包括：

解析识别模块，用于解析并识别出便携文件格式PDF文件当前页的文本块对象和图片块对象；

第一选择模块，用于对待匹配的所述图片块对象确定与其在垂直方向上最相邻的文本块对象之前，从识别出的文本块对象中选择在垂直方向上的高度低于待匹配的所述图片块对象的高度的文本块对象作为候选的图注块对象；

第二选择模块，用于对待匹配的所述图片块对象确定与其在垂直方向上最相邻的文本块对象之前，从识别出的文本块对象中选择字体字号不同于PDF文件正文的字体字号的文本块对象作为候选的图注块对象；

间距匹配模块，用于对待匹配的所述图片块对象确定与其在垂直方向上最相邻的文本块对象；

字符判断模块，用于判断所述最相邻的文本块对象是否含有用于标识图片的标识字符，若是则判定所述最相邻的文本块对象为图注块对象；

关联模块，用于将识别出的图注块对象与对应的所述图片块对象匹配并关联；

位置判断模块，用于判断待匹配的所述图片块对象是否位于当前页的最下方，若是则判定下一页最上方的文本块对象为其图注块对象。

4.根据权利要求3所述的装置，其特征在于，该装置还包括：

行高判断模块，用于在判断所述最相邻的文本块对象是否含有用于标识图片的标识字符之前，判断所述最相邻的文本块对象的行高是否为一行或者两行文字高度，若是则跳转至所述字符判断模块，若否则判定待匹配的所述图片块对象无图注。