[发明专利]扫描版文件在小屏幕设备智能分版的方法及装置

说明书

技术领域

本发明涉及一种计算机信息处理领域的模式识别和版面分析技 术，具体涉及一种扫描版文件在小屏幕设备智能分版的方法及装置。

背景技术

目前，扫描版文件在小屏幕设备上进行阅读时，由于可视区域较 小而原始文档版面较大，为了方便阅读一般都采用OCR技术转成流 式文档(比如EPub)后再进行阅读。但是将版式文档转成流式文档 的过程中会不可避免地发生信息丢失，而且一些排版比较复杂、严谨 的文档在转换过程信息丢失尤甚。

如果只对版式文档进行放大再阅读，则需要在阅读过程中不断左 右上下拖动，阅读体验很差，而且也不便于用户积极读取所需要的信 息。

发明内容

本发明是为了解决上述课题而进行的，目的在于提供一种扫描版 文件在小屏幕设备阅读的方法及装置。

本发明提供了一种扫描版文件在小屏幕设备智能分版的方法，具 有这样的特征，包括以下步骤：(i)利用OCR技术从扫描版文件的版 面中提取文件的基本内容的信息；(ii)从信息中分别识别出文件中的 版心信息、页眉页脚信息、页码信息以及分隔符信息，版心信息包括 文本信息、图像信息、表格信息以及公式信息；(iii)过滤掉页眉页脚 信息、页码信息以及分隔符信息，保留版心信息；(iv)使用阅读顺序 排序算法对版心信息进行阅读顺序的排序；(v)版心信息为母信息， 根据设定将母信息切割成子信息；(vi)将子信息进行二次排序后输 出。

在本发明提供的扫描版文件在小屏幕设备智能分版的方法中，还 可以具有这样的特征：其中，步骤(v)中，切割母信息的设定为：(a) 识别出公式信息、图像信息以及表格信息，并对其采取不切割处理； (b)对文本信息进行切割：依照文本信息中的段落，切割文本信息， 得到文本信息的段落子信息。

在本发明提供的扫描版文件在小屏幕设备智能分版的方法中，还 可以具有这样的特征：其中，对文本信息的段落子信息还可进行二次 切割：对段落子信息中行的宽度超过设定阈值的文本信息依照顺序进 行拆行、断行处理，使其拆分后的宽度小于设定阈值。

在本发明提供的扫描版文件在小屏幕设备智能分版的方法中，还 可以具有这样的特征：其中，设定阈值是人工设定或系统自动设定。

本发明提供了一种在小屏幕设备使用扫描版文件的装置，具有这 样的特征，包括：识别扫描版文件模块，用于读取扫描版文件所承载 的信息；智能分版模块，用于对扫描版文件进行智能分版；阅读终端， 用于呈现智能分版模块重新分版后的信息。其中，智能分版模块对扫 描版文件智能分版采用以上任意一种方法。

发明的作用和效果

本发明所涉及的扫描版文件在小屏幕设备智能分版的方法，因为 通过分析扫描版文件中版面上内容的位置和排版信息，重新对版面中 的元素进行切分和重组，快速高效的对版面进行重排，所以，本发明 的扫描版文件在小屏幕设备智能分版的方法保证了在小屏幕上阅读 扫描版文件既不遗失主要信息又提高阅读体验的目的。

附图说明

图1是本发明的实施例的流程示意图；

图2是本发明的实施例中扫描版文件图；

图3是本发明的实施例中提取版心信息的示意图；

图4是本发明的实施例中第一次切割版心信息的示意图；

图5是本发明的实施例中第二次切割版心信息的示意图；以及

图6(a)和图6(b)是本发明的实施例中最后输出的文件示意图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于 明白了解，以下实施例结合附图对本发明扫描版文件在小屏幕设备智 能分版的方法及装置作具体阐述。

图1是本实施例的流程示意图。

如图1所示，本实施例包含以下步骤：

(i)利用OCR技术从扫描版文件的版面中提取文件的基本内容 的信息；

(ii)从信息中分别识别出文件中的版心信息、页眉页脚信息、页 码信息以及分隔符信息，版心信息包括文本信息、图像信息、表格信 息以及公式信息；

(iii)过滤掉页眉页脚信息、页码信息以及分隔符信息，保留版心 信息；

(iv)使用阅读顺序排序算法对版心信息进行阅读顺序的排序；

(v)版心信息为母信息，根据设定将母信息切割成子信息：