[发明专利]一种文档内容获取方法、装置、设备及存储介质

说明书

本发明公开了一种文档内容获取方法、装置、设备及存储介质，所述方法包括：将目标格式文档转换成HTML格式文档，HTML格式文档包含内容位置的位置标识；根据位置标识对转换后的文档内容进行分割，得到分割后的多个第一文档；存储多个第一文档及其内容在目标格式文档中的布局位置；当接收用于展示目标第一文档的选择指令时，根据选择指令及其存储信息查找并输出目标第一文档的内容及其对应的布局位置。本发明中，通过位置标识对目标格式文档的内容进行分割，然后按不同的位置标识对分割后的内容进行存储，用户能一并读取到文字、图片、表格等不同形式的内容，且能对不同形式的内容进行选择性读取，增加了文档内容获取的适用场景，提高了办公的便捷性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种文档内容获取方法、装置、设备及存储介质。

背景技术

随着计算机技术的发展以及办公软件得到普及和应用，办公软件的文档处理功能在我们的日常办公中发挥着重要的作用。当前，具有文档处理功能的办公软件如word、PDF、wps等等。其中，以word为例，word作为microsoft office软件的重要组成部分，在全世界范围内得到普及和应用，word文档通常可以包含文字、表格、图片不同形式的内容。在某些实际应用场景中，需要读取Word文档中的内容。

目前的技术，只能实现单独读取word文档的文字内容，或是单独读取word文档的表格内容，或是单独读取word文档的图片内容；不能实现同时读取Word文档中不同形式的内容。例如，根据不同的场景，需要读取的内容可能有以下两种：第一种，具有关联关系的文字内容和表格内容，如文字内容是表格内容的说明，第二种，具有关联关系的表格内容和图片内容，如表格内容是图片内容的展示数据，而目前的技术还无法解决这些场景的对文档内容获取的需求，文档中不同形式的内容如何一并读取、选择性读取成为亟待解决的问题。

发明内容

本发明实施例提供一种文档内容获取方法、装置、计算机设备及存储介质，以解决现有技术中文档中不同形式的内容不可一并读取、选择性读取问题。

一种文档内容获取方法，包括：

将目标格式文档转换成HTML格式文档，所述HTML格式文档包含内容位置的位置标识；

根据所述位置标识对所述HTML格式文档的文档内容进行分割，得到分割之后的多个第一文档；

存储所述多个第一文档及所述多个第一文档的文档内容在所述目标格式文档中的布局位置；

当接收到用于展示目标第一文档的选择指令时，根据所述选择指令确定所述目标第一文档的内容的存储信息，及所述目标第一文档在所述目标格式文档中的布局位置的存储信息；

根据所述存储信息查询所述目标第一文档的内容及所述目标第一文档对应的布局位置，并输出所述目标第一文档及所述目标第一文档对应的布局位置。

一种文档内容获取装置，包括：

文档转换模块，用于将目标格式文档转换成HTML格式文档，所述HTML格式文档包含内容位置的位置标识；

分割模块，用于根据所述位置标识对所述HTML格式文档的内容进行分割，得到分割之后的多个第一文档；

存储模块，用于存储所述多个第一文档及所述多个第一文档的内容在所述目标格式文档中的布局位置；

接收模块，用于接收用于展示目标第一文档的选择指令，以便根据所述选择指令确定所述目标第一文档的内容的存储信息，及所述目标第一文档在所述目标格式文档中的布局位置的存储信息；

输出模块，用于根据所述存储信息查询所述目标第一文档的内容及所述目标第一文档对应的布局位置，并输出所述目标第一文档及所述目标第一文档对应的布局位置。