[发明专利]PDF文件数据解析系统及方法

权利要求书

1.PDF文件数据解析系统，其特征在于：包括解析模板配置模块、PDF文件获取模块、PDF文件解析模块以及服务器；

所述解析模板配置模块根据具体要解析的PDF文件的内容格式进行解析配置；具体的解析配置方式包括：

(1)根据PDF文件内容的键值对；所述解析模板配置模块设有配置界面，通过框选工具选择所述解析模板配置模块上配置的键值对中某个值作为前置键，再框选一个值作为后置键，这两个键中间的内容即是需要解析的内容；

(2)根据PDF文件内容在文件中的坐标，所述坐标包括所在页码、缩放系数、所在页码的横坐标、纵坐标、宽度以及高度；

(3)根据PDF文件中的规则表格类别，表格类别分有边框和无边框两种；

(4)根据PDF文件中的不规则表格；

所述PDF文件获取模块根据服务器上的网络路径获取PDF文件，将其保存至服务器中，计算所获取的PDF文件的MD5并进行校验；

所述PDF文件解析模块根据所述配置解析模板对PDF文件进行解析。

2.根据权利要求1所述的PDF文件数据解析系统，其特征在于：所述PDF文件获取模块实时监测所述服务器上的本地或网络路径，当监听到本地或者网路路径中有新增的PDF文件时，将相应的PDF文件拷贝到系统的待解析文件目录下；然后再对PDF文件内容进行特征解析，获取文件的基本信息，包括设备、样品以及匹配的解析模板；

所述特征解析在所述解析模板配置模块中配置，为一个或多个特征值，每个特征设有相应的比重；针对需要进行特征解析的PDF文件计算匹配度，根据配置的每个特征值对PDF文件进行匹配，之后将各特征值的比重相加，最后计算出分数最高的即为最佳的解析模板。

3.根据权利要求1所述的PDF文件数据解析系统，其特征在于：若需要解析的PDF文件内容在整个PDF文件的开头或者结尾，所述解析模板配置模块只要配置前置键或者后置键即可。

4.根据权利要求1所述的PDF文件数据解析系统，其特征在于：用户根据实际需求进行选择配置具体的解析模板，在服务器中预先配置有若干种常用的解析配置模板。

5.一种应用权利要求1～4任一所述的PDF文件数据解析系统的PDF文件数据解析方法，其特征在于：包括步骤：

步骤一、所述解析模板配置模块根据具体要解析的PDF文件的内容格式进行解析配置得到配置解析模板，具体的解析配置方式包括：

(1)根据PDF文件内容的键值对；

(2)根据PDF文件内容在文件中的坐标，所述坐标包括所在页码、缩放系数、所在页码的横坐标、纵坐标、宽度以及高度；

(3)根据PDF文件中的规则表格类别，表格类别分有边框和无边框两种；

(4)根据PDF文件中的不规则表格；

步骤二、通过PDF文件获取模块获取网络路径上的PDF文件，将其保存至服务器中，并计算所获取的PDF文件的MD5并进行校验；

步骤三、所述PDF文件解析模块根据所述配置解析模板对PDF文件进行解析。