[发明专利]期刊论文转换为XML数据的方法、装置、设备及存储介质

权利要求书

1.一种期刊论文转换为XML数据的方法，其特征在于，包括：

获取期刊论文的排版文件；

将所述排版文件转换为Word文件；

通过Word结构化引擎，将所述Word文件中的论文内容部分转换为预设标准的第一XML文件；

提取所述Word文件中的论文版式文件；所述论文版式文件包括：论文版式元数据信息、论文拼装元数据的拼装规则、图片对象版式信息、表格对象版式信息、公式对象版式信息；

将所述论文版式文件增补到所述第一XML文件中，生成第二XML文件；

所述Word文件中的论文内容，包括：至少一个图片对象、表格对象和公式对象；其中，

每一个图片对象有唯一对应的图片对象版式信息，每一表格对象有唯一对应的表格对象版式信息，每一公式对象有唯一对应的公式对象版式信息；所述将所述论文版式文件增补到所述第一XML文件中，生成第二XML文件，包括：

建立所述至少一个图片对象、表格对象和公式对象与对应的版式信息的匹配关系；根据所述匹配关系，将所述版式信息增补到所述第一XML文件中；读取所述论文拼装元数据的拼装规则，根据所述拼装规则，生成论文引用格式、论文编号和DOI，将所述论文引用格式、论文编号和DOI增补到第一XML文件中；生成第二XML文件。

2.根据权利要求1所述的方法，其特征在于，其中，

所述论文版式元数据信息包括论文起始页、论文终止页和论文总页数；所述拼装元数据包括论文引用格式、论文编号、DOI；所述图片对象版式信息包括图片大小数据、裁切信息、图片替代图数据；表格对象版式信息包括表格替代图数据；公式对象版式信息包括公式替代图数据。

3.根据权利要求1所述的方法，其特征在于，所述排版文件包括：非文章信息，所述非文章信息包括论文的页眉区和边眉区的数据以及内容静态装饰数据；

所述将所述排版文件转换为Word文件之前，还包括：

对所述非文章信息进行过滤处理。

4.根据权利要求1所述的方法，其特征在于，所述排版文件包括：论文内容排版数据、论文首页注释区排版数据；

所述将所述排版文件转换为Word文件之前，还包括：

将所述论文首页注释区排版数据的输出位置调整到所述论文内容排版数据之前。

5.一种期刊论文转换为XML数据的装置，其特征在于，包括：

获取模块，用于获取期刊论文的排版文件；

第一转换模块，用于将所述排版文件转换为Word文件；

第二转换模块，用于通过Word结构化引擎，将所述Word文件中的论文内容部分转换为预设标准的第一XML文件；

提取模块，用于提取所述Word文件中的论文版式文件；所述论文版式文件包括：论文版式元数据信息、论文拼装元数据的拼装规则、图片对象版式信息、表格对象版式信息、公式对象版式信息；

增补生成模块，用于将所述论文版式文件增补到所述第一XML文件中，生成第二XML文件；

所述Word文件中的论文内容，包括：至少一个图片对象、表格对象和公式对象；其中，

每一个图片对象有唯一对应的图片对象版式信息，每一表格对象有唯一对应的表格对象版式信息，每一公式对象有唯一对应的公式对象版式信息；

所述增补生成模块，包括：

第一增补单元，用于建立所述至少一个图片对象、表格对象和公式对象与对应的版式信息的匹配关系；根据所述匹配关系，将所述版式信息增补到所述第一XML文件中；

第二增补单元，用于读取所述论文拼装元数据的拼装规则，根据所述拼装规则，生成论文引用格式、论文编号和DOI，将所述论文引用格式、论文编号和DOI增补到第一XML文件中；

生成单元，用于生成第二XML文件。

6.根据权利要求5所述的装置，其特征在于，所述论文版式元数据信息包括论文起始页、论文终止页和论文总页数；所述拼装元数据包括论文引用格式、论文编号、DOI；所述图片对象版式信息包括图片大小数据、裁切信息、图片替代图数据；表格对象版式信息包括表格替代图数据；公式对象版式信息包括公式替代图数据。