[发明专利]一种双层PDF批量生成WORD的方法

说明书

本发明公开了一种双层PDF批量生成WORD的方法，涉及数据录入技术领域。将图片进行碎片化，利用OCR技术对图片进行切割，并记录碎片坐标：在录入平台上进行录入，并对录入结果进行比较、校检和抽检；把记录碎片的坐标信息进行数据处理，转化为存储数据信息的数据表，方便对数据进一步操作；把录入结果和碎片对应的坐标信息进行一一匹配，得到完整的数据信息；通过规律和算法，还原文字的位置，生成WORD文件；根据录入结果和坐标信息，还原文字的位置和排版，生成WORD，又可以实现批量化大数据处理，不仅效率较高，位置也比较精确，还解决手工复制粘贴和排版效率低下的难题。此种转化方法特别实用，而且极易操作和学习。

技术领域

本发明涉及一种双层PDF批量生成WORD的方法，具体为数据录入技术领域。

背景技术

在互联网信息时代，大量的传统的客户端应用技术被应用到互联网，如

客户关系管理、办公管理系统等，大多数采用了软件即服务的设计模式。

目前，电子文档的浏览，如POWERPOINT、WORD、TXT、PDF 等格式的文件，现有的通常做法是计算机用户安装文档阅读软件，通过软件打开文件的方式来进行浏览。除此之外，还有一些免费开放的文档分享网站，实现文档的在线阅读，不需要对文档进行下载，直接进行基于浏览器的阅读，非常方便，改变了以往的操作和阅读模式。

然而有些文档分享网站大部分采用PDF的方式来进行文档的阅读。然而PDF文件不利于关键信息的提取，所以通常要转化为WORD文档进行操作。

双层PDF文件是指文件内容既包含文本层，也包含图像层，且其位置上下一一相对应。现有开发的PDF转换器需要人工操作来完成PDF文件向WORD文档的转换，不能解决现有技术中大量文档进行手工转换效率低下的问题。

发明内容

本发明的目的在于提供一种可以实现批量化大数据处理，效率较高的双层PDF批量生成WORD的方法，以解决上述背景技术存在的问题。

为实现上述目的，本发明提供如下技术方案：一种双层PDF批量生成WORD的方法包含以下步骤：1、将图片进行碎片化，利用OCR技术对图片进行切割，并记录碎片坐标；

步骤2、在录入平台上进行录入，并对录入结果进行比较、校检和抽检；

步骤3、把记录碎片的坐标信息进行数据处理，转化为存储数据信息的数据表，方便对数据进一步操作；

步骤4、把录入结果和碎片对应的坐标信息进行一一匹配，得到完整的数据信息；

通过上述步骤3中得到的数据表，让存储录入结果的数据表和其进行精确匹配，得到既有文字又有坐标信息的新的数据表；

步骤5、通过规律和算法，还原文字的位置，生成WORD文件；

根据上述步骤4中得到的新的数据表，对文字进行排序以及算法上的处理，使其按照原稿上文字一一排序；再经过坐标上的算法和规律，还原原稿中每列的数据，最后通过碎片图片名还原每张稿子对应着的数据，即可实现快速批量生成WORD文件。

作为优选，所述的步骤1中OCR技术的具体方法为：首先定位文字区域,进而识别文字的行数和列数，确定每个文字所在的矩形块；然后在人工干预下，调整矩形块的大小以及位置，得到更精准的文字矩形块，最后切割成一个个碎片图。

作为优选，所述的步骤3中数据表的生成过程为：通过代码读取到记录坐标信息的TXT文件，把读取的信息复制粘贴到Excel中，经过一系列的分列以及替换等过程，得到主要信息的数据表。

作为优选，所述的步骤5中对文字进行排序的步骤为：步骤5-1、通过对碎片名和横纵坐标的排序，得到所有单个文字的排列顺序。