[发明专利]一种可移植文档格式PDF中的乱码识别方法和装置

说明书

本发明实施例公开了一种可移植文档格式PDF中的乱码识别方法和装置，该方法包括：将待识别的PDF文档输入预先训练好的神经网络模型中，以通过该神经网络模型识别出待识别的PDF文档中的乱码，并输出标记有乱码的识别结果。通过该实施例方案，检测出了用户的PDF文档是否存在乱码，为后续的乱码修复做准备，提高了用户体验感。

技术领域

本发明实施例涉及文档处理技术，尤指一种可移植文档格式PDF中的乱码识别方法和装置。

背景技术

在可移植文档格式PDF文档中，通常因为字体缺失、文字编码不正确等原因造成文档在打开的时候出现乱码，为用户带来很多困扰。

发明内容

为了解决上述技术问题，本发明实施例提供了一种PDF中的乱码识别方法和装置，能够检测出用户的PDF文档是否存在乱码，为后续的乱码修复做准备，提高用户体验感。

为了达到本发明实施例目的，本发明实施例提供了一种PDF中的乱码识别方法，该方法可以包括：

将待识别的PDF文档输入预先训练好的神经网络模型中，以通过该神经网络模型识别出待识别的PDF文档中的乱码，并输出标记有乱码的识别结果。

可选地，该方法还可以包括：在将待识别的PDF文档输入预先训练好的神经网络模型之前，打开待识别的PDF文档，并将待识别的PDF文档转换为图片格式。

可选地，该方法还可以包括：在将待识别的PDF文档输入预先训练好的神经网络模型之前，获取标记有乱码的PDF文档；将标记有乱码的PDF文档输入未经训练的神经网络模型中，以对未经训练的神经网络模型进行训练，使该神经网络模型具有识别乱码的功能。

可选地，该方法还可以包括：在将标记有乱码的PDF文档输入未经训练的神经网络模型中之前，将预设页数的PDF文档的内容或者一页文档中预设比例的内容转换成图片，以将该图片输入神经网络模型，并对该神经网络模型进行训练。

可选地，该神经网络模型可以包括：TensorFlow。

为了达到本发明实施例目的，本发明实施例还提供了一种PDF中的乱码识别装置，该装置可以包括：识别模块；

识别模块，用于将待识别的PDF文档输入预先训练好的神经网络模型中，以通过神经网络模型识别出待识别的PDF文档中的乱码，并输出标记有乱码的识别结果。

可选地，识别模块还用于：

在将待识别的PDF文档输入预先训练好的神经网络模型之前，打开待识别的PDF文档，并将待识别的PDF文档转换为图片格式。

可选地，该装置还可以包括：训练模块；

训练模块，用于在识别模块将待识别的PDF文档输入预先训练好的神经网络模型之前，获取标记有乱码的PDF文档；将标记有乱码的PDF文档输入未经训练的神经网络模型中，以对该神经网络模型进行训练，使该神经网络模型具有识别乱码的功能。

可选地，训练模块还用于：在将标记有乱码的PDF文档输入未经训练的神经网络模型中之前，将预设页数的PDF文档的内容或者一页文档中预设比例的内容转换成图片，以将该图片输入该神经网络模型，并对该神经网络模型进行训练。

可选地，该神经网络模型可以包括：TensorFlow。

本发明实施例可以包括：将待识别的PDF文档输入预先训练好的神经网络模型中，以通过该神经网络模型识别出待识别的PDF文档中的乱码，并输出标记有乱码的识别结果。通过该实施例方案，检测出了用户的PDF文档是否存在乱码，为后续的乱码修复做准备，提高了用户体验感。