[发明专利]一种文档编辑的方法、装置、计算机存储介质及终端

说明书

一种文档编辑的方法、装置、计算机存储介质及终端，包括：对预设页数的便携式文档格式(PDF)文档，将每一页PDF文档分别转换为相应的样本图片；对转换获得的各样本图片，标注样本图片中包含的每一行文字的位置；以完成文字位置标注的样本图片作为训练数据，训练神经网络模型；将需要编辑的PDF文档转换为待处理图片后，通过训练完成的神经网络模型确定待处理图片中包含文字的位置；通过确定的待处理图片中包含文字的位置，进行PDF文档编辑；其中，预设页数的PDF文档和所述需要编辑的PDF文档包括：以扫描方式获得的PDF文档。本发明实施例在确定PDF中文字的分布后进行PDF文档的编辑，避免了由于排版变换对文档编辑的影响，提升了文档编辑效率。

技术领域

本文涉及但不限于信息编辑技术，尤指一种文档编辑的方法、装置、计算机存储介质及终端。

背景技术

便携式文档格式(PDF，Portable Document Format)文件作为小说、试题、杂志、漫画、报告等信息记录的载体，被相关工作人员广泛应用；工作人员一般将WORD或通过其他办公软件编辑的文件打印为PDF文件，或者，将打印好的纸质文件扫描为PDF文件。

当PDF文件为扫描纸质文件获得的文件时，用户将无法对PDF中包含为信息进行编辑；相关技术中，用户一般需要将PDF文件通过转换工具转换为WORD文件后，才可以实现信息复制和编辑；在转换为WORD文件后，文档排版可能发生变化，用户需要重新确定获取的信息的位置才能进行复制，影响文档编辑效率；此外，通过扫描方式获得的PDF文件在转换为WORD文件时还容易出现内容的错误，在排版变化和内容出错的情况下，获取信息的难度进一步增大。

综上，以扫描方式获得的PDF文件，当需要从中获取需要的信息时，由于排版和文本转换过程中的信息错误，或造成获取信息的效率降低，影响用户的文档编辑效率。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本发明实施例提供一种文档编辑的方法、装置、计算机存储介质及终端，能够避免由于排版变换对文档编辑的影响，提升文档编辑效率。

本发明实施例提供了一种文档编辑的方法，包括：

对预设页数的便携式文档格式PDF文档，将每一页PDF文档分别转换为相应的样本图片；

对转换获得的各样本图片，标注样本图片中包含的每一行文字的位置；

以完成文字位置标注的样本图片作为训练数据，训练神经网络模型；

将需要编辑的PDF文档转换为待处理图片后，通过训练完成的神经网络模型确定待处理图片中包含文字的位置；

通过确定的待处理图片中包含文字的位置，进行PDF文档编辑；

其中，所述预设页数的PDF文档和所述需要编辑的PDF文档包括：以扫描方式获得的PDF文档。

可选的，所述标注样本图片中包含的每一行文字的位置包括：

以像素作为标注单位，对每一行文字的以下部分或全部信息进行标注：

横向起始位置、横向终止位置、纵向起始位置和纵向终止位置。

可选的，所述神经网络模型包括：

张量流Tensor Flow模型。

可选的，所述进行PDF文档编辑包括：

根据确定的待处理图片中包含文字的位置，对待处理图片中的文字进行识别；

将识别出的文字，根据确定的待处理图片中包含文字的位置，写入新建的PDF文档中，以进行PDF文档的编辑。