[发明专利]一种PDF文件解析方法及系统

说明书

本发明公开了一种PDF文件解析方法及系统，该PDF文件解析方法包括：解析所述PDF文件，以得到解析后的字节；将所述字节重新组成对象；以及将所述对象进行分块，并将分块后的结果以预设的格式输出。本发明通过解析用户PDF格式的体检报告，得到解析后的字节，并将字节重组成对象，将对象进行分块，最后将分块后的结果以预设的格式输出，使用户能够通过在线查阅报告及报告解读等服务的方式，方便地在线查阅和解读其PDF格式的体检报告。本PDF文件解析系统能够更加精准地解析用户的体检报告，从而便于为用户提供更加精准的检后服务及后期健康大数据的分析，提升用户体验。

技术领域

本发明涉及PDF文档编辑技术领域，具体涉及一种PDF文件解析方法及系统。

背景技术

随着现有的用户健康体检平台的日趋完善，检后服务与健康大数据也成为不可缺少的一种趋势。用户体检完成后，可以在用户健康体检平台上通过在线查阅报告及报告解读等服务，方便地在线查阅和解读其体检报告。现有的体检报告主要以PDF格式存在，而PDF格式为特殊结构，现有的第三方库和技术上暂没有一套统一和完善的解析方法。因此，需要通过研发一套PDF体检数据的解析系统，便于为用户提供更加精准的检后服务及后期健康大数据的分析。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的问题，本发明提出一种PDF文件解析方法及系统，能够更加精准地解析用户的体检报告，从而便于为用户提供更加精准的检后服务及后期健康大数据的分析，提升用户体验。

本发明的技术方案是这样实现的：

根据本发明的一个方面，提供了一种PDF文件解析方法，该PDF文件解析方法包括以下步骤：

解析所述PDF文件，以得到解析后的字节；

将所述字节重新组成对象；以及

将所述对象进行分块，并将分块后的结果以预设的格式输出。

根据本发明的一个实施例，解析所述PDF文件，以得到解析后的字节包括以下步骤：解析所述PDF文件的自身语言结构，并从中查找trailer标签；从所述trailer标签中查找stream流对象，并从所述stream流对象中获取char对象。

根据本发明的一个实施例，将所述字节重新组成对象包括以下步骤：将所述char对象通过相应算法重新组成对象，并设置重新组成的所述对象的相应的坐标数据和参数数据。

根据本发明的一个实施例，将分块后的结果以预设的格式输出包括以下步骤：

将分块后的结果以Text格式输出；或

将分块后的结果以JSON格式输出。

根据本发明的一个实施例，所述对象包括字符串、行、页。

根据本发明的另一方面，提供了一种PDF文件解析系统，该PDF文件解析系统包括：

解析模块，解析所述PDF文件，以得到解析后的字节；

重组模块，将所述解析模块解析得到的字节重新组成对象；

输出模块，将所述重组模块重组得到的对象进行分块，并将分块后的结果以预设的格式输出。

根据本发明的一个实施例，所述解析模块还包括：

解析子模块，解析所述PDF文件的自身语言结构，并从中查找trailer标签；

获取子模块，从所述解析子模块得到的trailer标签中查找stream流对象，并从所述stream流对象中获取char对象。

根据本发明的一个实施例，所述重组模块还包括：