[发明专利]一种电子档版式文件阅读顺序分析的方法在审
| 申请号： | 201410488102.2 | 申请日： | 2014-09-22 |
| 公开（公告）号： | CN104268127A | 公开（公告）日： | 2015-01-07 |
| 发明（设计）人： | 张斌;张晓博;张宝亮 | 申请（专利权）人： | 同方知网（北京）技术有限公司 |
| 主分类号： | G06F17/21 | 分类号： | G06F17/21;G06F17/30 |
| 代理公司： | 北京天奇智新知识产权代理有限公司 11340 | 代理人： | 刘黎明 |
| 地址： | 100084 北京市海淀区清华园清华*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种电子档版式文件阅读顺序分析的方法，所述方法包括以下步骤：提取PDF文件中原始信息；识别页眉、页脚，并对相邻文本内容进行合并，得到行内容；对文本行内容进行块合并，得到文本块内容；对相邻图片进行合并，得到图片块内容；对路径信息进行分析，得到水平方向的分割线；将文本快内容和图片块内容进行X方向投影，得到水平分隔块内容；以文本块内容、图片块内容、水平分隔线、表格及水平分隔块内容物理信为元素，进行拓扑排序，得到PDF文件的阅读顺序；通过阅读顺序基础对文本块内容进行分段识别；输出XML格式文本。 | ||
| 搜索关键词： | 一种 电子 版式 文件 阅读 顺序 分析 方法 | ||
【主权项】：
一种电子档版式文件阅读顺序分析的方法，其特征在于，所述方法包括以下步骤：提取PDF文件中原始信息；识别页眉、页脚，并对相邻文本内容进行合并，得到行内容；对文本行内容进行块合并，得到文本块内容；对相邻图片进行合并，得到图片块内容；对路径信息进行分析，得到水平方向的分割线；将文本快内容和图片块内容进行X方向投影，得到水平分隔块内容；以文本块内容、图片块内容、水平分隔线、表格及水平分隔块内容物理信息为元素，进行拓扑排序，得到PDF文件的阅读顺序；通过阅读顺序基础对文本块内容进行分段识别；输出XML格式文本。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于同方知网（北京）技术有限公司，未经同方知网（北京）技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201410488102.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种面向Twitter的社交广告可投放性分析方法
- 下一篇：全自动加料机构
