[发明专利]目标对象用内容过滤方法

权利要求书

1.目标对象用内容过滤方法，其特征在于，包括：

读取目标文档，结合目标文档的类型标签设置目标要素；其中，目标要素通过人工设定或者自动设定，且包括段落、章节、页眉、页脚中的一种或者多种；

根据目标要素对目标文档进行划分过滤，获取目标内容；其中，类型标签通过目标文档的内容属性设置。

2.根据权利要求1所述的目标对象用内容过滤方法，其特征在于，根据所述目标文档的类型标签自动设定目标要素，包括：

获取目标文档的类型标签；

根据类型标签和关联关系提取关联要素，并标记为目标要素；其中，关联关系通过人工设定。

3.根据权利要求1所述的目标对象用内容过滤方法，其特征在于，当所述目标要素包括段落时，对目标文档进行段落划分，包括：

读取目标文档，将目标文档按照顺序划分为若干个存储单元；其中，每个存储单元对应目标文档中的一行文本；

将若干个存储单元与段落聚类模型结合，获取划分后的段落；其中，段落聚类模型根据字体特征参数建立。

4.根据权利要求1所述的目标对象用内容过滤方法，其特征在于，当所述目标要素包括章节时，对目标文档进行章节划分，包括：

读取目标文档，将目标文档拆分为若干页；

将每页划分为若干个格子；其中，每个格子的边长为最小字号的一半，且格子为矩形；

按照排版顺序依次获取格子的平均灰度，将平均灰度为255时，则将对应格子删除，否则对格子进行标记；

重新读取目标文档获取字符，同时获取字符位置；将字符位置和被标记的格子位置进行关联，并根据格子位置按照排版顺序对字符进行重排。

5.根据权利要求1所述的目标对象用内容过滤方法，其特征在于，当所述目标要素包括页眉时，确定目标文档的页眉行，包括：

读取目标文档识别获取单个字符，对单个字符进行合并转换生成模式串；

对目标文档前N页的模式串进行相似度计算，确定页眉行；其中，N为大于等于10的正整数。

6.根据权利要求5所述的目标对象用内容过滤方法，其特征在于，当所述目标要素包括页脚时，确定目标文档的页脚行，包括：

对目标文档后N页的模式串进行相似度计算，确定页脚行。

7.根据权利要求6所述的目标对象用内容过滤方法，其特征在于，在确定所述页眉行和/或所述页脚行时，自动过滤目标文档中对应的内容。