[发明专利]版面恢复方法、装置和电子设备

说明书

本公开实施例公开了版面恢复方法、装置和电子设备。该方法的一具体实施方式包括：提取目标版面中的文本行位置信息；根据该文本行位置信息，确定该目标版面的复杂度，其中，复杂度用于表征该目标版面中文本排布的复杂程度；根据该复杂度，选取针对该目标版面的目标排版恢复函数，其中，排版恢复函数用于基于文本行位置信息重建目标版面；采用该目标排版恢复函数，对该目标版面进行恢复。由此，提供了一种新的版面恢复方式。

技术领域

本公开涉及计算机技术领域，尤其涉及一种版面恢复方法、装置和电子设备。

背景技术

随着互联网的发展，用户越来越多地使用计算机实现各种功能。例如，用户可以使用便携式文件格式(Portable Document Format，PDF)的文件，向其它用户传递信息。PDF优点在于跨平台、能保留文件原有格式(Layout)、开放标准，能免版税自由开发PDF相容软体。

在一些应用场景中，计算机可以对PDF格式的文件进行解析，以获取文件中的信息。

发明内容

提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开实施例提供了一种版面恢复方法，该方法包括：提取目标版面中的文本行位置信息；根据所述文本行位置信息，确定所述目标版面的复杂度，其中，复杂度用于表征所述目标版面中文本排布的复杂程度；根据所述复杂度，选取针对所述目标版面的目标排版恢复函数，其中，排版恢复函数用于基于文本行位置信息重建目标版面；采用所述目标排版恢复函数，对所述目标版面进行恢复。

第二方面，本公开实施例提供了一种版面恢复装置包括：提取单元，用于提取目标版面中的文本行位置信息；确定单元，用于根据所述文本行位置信息，确定所述目标版面的复杂度，其中，所述复杂度用于表征所述目标版面中文本排布的复杂程度；选取单元，用于根据所述复杂度，选取针对所述目标版面的目标排版恢复函数，其中，排版恢复函数用于基于文本行位置信息重建目标版面；恢复单元，用于采用所述目标排版恢复函数，对所述目标版面进行恢复。

第三方面，本公开实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的版面恢复方法。

第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的版面恢复方法的步骤。

本公开实施例提供的版面恢复方法、装置和电子设备，通过首先对于目标版面，提前文本行位置信息；然后，根据文本行位置信息，确定目标版面的复杂度；再后，根据复杂度，从至少两种排版恢复函数中，选取目标排版恢复函数；最后，采用目标排版恢复函数，对目标版面进行恢复；由此，可以提供一种新的版面恢复方式。

并且，可以根据复杂度的不同，为文件的排版恢复函数的选择提供依据。一般情况下，排版恢复函数在计算速度和计算准确率方面难以兼顾，根据上述复杂度选用排版恢复函数，可以根据目标版面的实际情况，选用适合该目标版面的恢复方式。在目标版面较简单的时候，可以选用计算速度快而计算准确率较低的排版恢复函数，可以在提高速度的同时，保证目标版面具有较高的准确度。在目标版面较复杂的时候，可以选用计算速度慢而计算准确率较高的排版恢复函数，保证目标版面的具有较高的准确度。也就是说，可以在保证对于目标版面的恢复具有较高的准确度的同时，尽可能提高计算速度。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。