[发明专利]文件识别方法、装置、服务器和计算机存储介质

说明书

本发明公开了一种文件识别方法、装置、服务器和计算机存储介质。其中，方法包括：对文件进行初步识别，得到文件包含的文字和段落信息；针对每一个段落，对段落内文字进行解析，得到段落内文字的样式以及样式差异信息；根据段落内文字的样式差异信息，对段落内文字进行样式统一处理。利用本发明的方案，将段落内文字的样式统一处理成一种样式，解决了文件中文字样式繁多而造成的样式膨胀问题，而且还减少了样式信息的存储量，节省了存储空间，降低了资源占用率。

技术领域

本发明涉及互联网技术领域，具体涉及一种文件识别方法、装置、服务 器和计算机存储介质。

背景技术

随着网络技术的发展，人们可以通过不同的设备、不同的途径获得各种 各样的电子文件，这些电子文件极大地丰富了人们的工作和生活内容。

然而，随着技术发展，盗版越来越猖獗，为了防止盗版，很多文件在排 版时，会对文字的样式进行不同的设置，例如，一段文字中，设置多种字号 和字体，以增加文件再次排版的难度，然而，很多正规渠道得到的文件也是 类似文件，这样就会造成样式信息膨胀，而且还需要更大的存储空间来存储 这些样式信息，占用资源。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分 地解决上述问题的文件识别方法、文件识别装置、服务器和计算机存储介质。

根据本发明的一个方面，提供了一种文件识别方法，其包括：

对文件进行初步识别，得到文件包含的文字和段落信息；

针对每一个段落，对段落内文字进行解析，得到段落内文字的样式以及 样式差异信息；

根据段落内文字的样式差异信息，对段落内文字进行样式统一处理。

根据本发明的另一方面，提供了一种文件识别装置，其包括：

识别模块，适于对文件进行初步识别，得到文件包含的文字和段落信息；

解析模块，适于针对每一个段落，对段落内文字进行解析，得到段落内 文字的样式以及样式差异信息；

处理模块，适于根据段落内文字的样式差异信息，对段落内文字进行样 式统一处理。

根据本发明的又一方面，提供了一种服务器，包括：处理器、存储器、 通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间 的通信；

存储器用于存放至少一可执行指令，可执行指令使处理器执行上述文件 识别方法对应的操作。

根据本发明的再一方面，提供了一种计算机存储介质，存储介质中存储 有至少一可执行指令，可执行指令使处理器执行如上述文件识别方法对应的 操作。

根据本发明提供的方案，对文件进行初步识别，得到文件包含的文字和 段落信息，针对每一个段落，对段落内文字进行解析，得到段落内文字的样 式以及样式差异信息，根据段落内文字的样式差异信息，对段落内文字进行 样式统一处理。利用本发明的方案，将段落内文字的样式统一处理成一种样 式，解决了文件中文字样式繁多而造成的样式膨胀问题，而且还减少了样式 信息的存储量，节省了存储空间，降低了资源占用率。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技 术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它 目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本 领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的， 而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示 相同的部件。在附图中：