[发明专利]一种书版文档中的字符定位、标引方法和装置

说明书

技术领域

本发明涉及信息资源加工技术领域，具体涉及一种书版文档中的字符定位、标引方法和装置。

背景技术

书版是一种批处理方式的流式排版软件，小样文件中包含注解命令以及正文内容，通过一扫二扫等流程，解析小样文件中注解和正文内容，生成后端输出所需的大样文件，大样文件中只包含一些输出内容和位置的通用命令，不同的输出设备通过接口解析这些命令，实现最终的输出结果。

如图1所示就是书版的排版流程，经过书版小样编辑程序得到小样文件，再经过一扫二扫流程得到大样文件，大样文件经过大样显示程序就能够在屏幕上显示，或者大样文件经过输出程序形成ps文件。

书版小样文件是包含注解命令和书籍正文内容的批处理文件，例如：“[JZ][HT5SS]这是一段文本”这是一段包含注解命令以及正文内容的小样文件，其中“[”和“]”之间包含的就是注解命令，注解命令是由一些简单的英文字母组成，实际上就是汉语拼音的首字缩写，比如“JZ”表示的就是“居中”(ju’zhong)，“HT”表示的就是“汉体”(han’ti)，“5SS”是“汉体”注解的参数，5代表5号字，“SS”代表的是“书宋”(shu’song)字体，“这是一段文本”表示的是需要排版的字符串，即书籍的正文内容。这一段小样表示的就是在一行上按照宋体5号字居中排“这是一段文本”这样一个字符串。包含书籍具体内容的小样文件经过书版程序的一扫二扫流程，形成大样文件。一扫是指查错，检查小样注解是否按照规范正确输入，二扫是指将小样文件转换为程序能够理解的输出命令形成大样文件。大样文件中用二进制编码定义了一系列计算机能够理解的输出命令，这些输出命令和小样中的注解不同，计算机显示器、印刷机等外围输出设备不理解小样中的“居中”之类的说明，只知道在设备的哪个点上，输出些什么点阵信息，所以在大样文件中定义的命令一般是“输出文本”、“划线”、“画点”、“画圆”等等命令，参数也多是坐标之类的内容，这些大样文件定义的命令一般用一个或几个字节二进制内容定义，比如0101是文本输出命令，0100是划线命令。命令的后面是参数，例如下面一段大样文件中二进制串“0100 0000 0000 0001 0001”可以理解为“划线，0，0，1，1”，即从x＝0，y＝0到x＝1，y＝1划一条线。再例如，上述小样文件中的文字“段”，在大样文件中的命令和参数为“文字200300段”，就表示在x＝200，y＝300的位置上输出文字“段”。如图2所示，为书版的大样文件的示意图，包括命令和参数，命令如“文字”“划线”等，每一个命令均对应参数，如“划线”命令的参数“0，0，1，1”以及“文字”命令的参数“200，300，段”等。

因此，书版不是一种所见即所得、排版的同时同步显示输出的一种交互式排版软件，大样文件和小样文件之间的联系只存在于排版输出流程中。目前能够通过将书版内容转换成其他格式的文档，通过其他的交互式的编辑工具，进行书版小样文件与大样文件之间的交互，进而实现标引和标注功能，但是由于这类文档转换都是建立在书版大样文档基础上的，而不是真正包含书籍具体内容的书版小样文件，所以这种交互方式必然无法满足对于书籍信息的资源提取和加工需求，对书版资源的结构化加工来说，是一个极大的障碍。

发明内容

本发明提供一种书版文档中的字符定位、标引方法和装置，可以实现书版大样文件与小样文件间的交互，可以实现对书版文档的标引或标注功能。

一种书版文档中的字符定位方法，包括：

确定在大样文件的预览视图上被选中的字符在所述预览视图上的第一位置信息；

根据所述第一位置信息，从大样文件中获得该字符在小样文件中的第二位置信息，所述大样文件中对应记录了每一个字符的第一位置信息和第二位置信息；

根据所述第二位置信息，在小样文件中定位出所述字符。

进一步，所述确定在大样文件的预览视图上被选中的字符在所述预览视图上的第一位置信息之前，确认被选中的是单一字符。

进一步，当确认被选中的是多个字符组成的字符块时，所述方法还包括：

确定大样文件的预览视图上被选中的字符块中的首字符和尾字符；

分别确定所述首字符和尾字符在预览视图上的首字符第一位置信息和尾字符第一位置信息；

根据首字符第一位置信息和尾字符第一位置信息，从大样文件中获得所述首字符在小样文件中的首字符第二位置信息，以及尾字符在小样文件中的尾字符第二位置信息，所述大样文件中对应记录了每一个字符的第一位置信息和第二位置信息；