[发明专利]基于PDF文件解析的图谱截图抓取方法

权利要求书

1.基于PDF文件解析的图谱截图抓取方法，其特征在于，所述处理方法包括以下步骤：

步骤一：使用计算机软件工具对PDF文件进行解析，获得页面尺寸（高和宽）；

步骤二：使用计算机软件工具对PDF文件进行解析，依次读取图谱报告中存在的路径对象（Path Object），并对路径对象的位置信息进行分析，寻找确定图谱位置相对坐标，与步骤一所述页面尺寸一起保存为截图中间参数；

步骤三：将PDF格式的图谱文件页面输出为具有可满足使用需求的清晰度的图片格式；

步骤四：获得步骤三所输出的图片尺寸（高和宽）；

步骤五：根据步骤二所述截图中间参数进行计算，对步骤三所输出的已知尺寸的图片的指定位置进行截图，并输出为具有特定清晰度的图谱的图片格式,同时根据需要可删除步骤三所输出的图片。

2.根据权利要求1所述基于PDF文件解析的图谱截图抓取方法，其特征在于，所述PDF文件为由生成数据的仪器设备的工作站或专用软件的报告程序通过调用PDF虚拟打印功能直接生成的具备规范内部结构的可被程序解析其中所包含的各类对象位置和内容的PDF文件。

3.根据权利要求1所述基于PDF文件解析的图谱截图抓取方法，其特征在于，所述步骤一、步骤二中涉及的计算机工具软件包括而不仅限于C、C#、Python、Java、Visual Studio等计算机语言所创建的可对PDF文件内容进行解析的工具软件，进一步要求为可实现对PDF中各类对象的位置信息进行解析的工具软件，更进一步要求为Python语言中的Pdfminer或Pdfminer3K。

4.根据权利要求1基于PDF文件解析的图谱截图抓取方法，其特征在于，所述步骤一中的PDF文件页面尺寸的高和宽通过可进行PDF文件解析的工具软件分析文件属性获得；优选通过分析符合Pdfminer工具软件所定义的页面的Mediabox属性获得。

5.根据权利要求1基于PDF文件解析的图谱截图抓取方法，其特征在于，所述步骤二中路径对象（Path Object）为符合Pdfminer工具软件所定义的LTRect对象。

6.根据权利要求1基于PDF文件解析的图谱截图抓取方法，其特征在于，所述步骤二中图谱位置相对坐标系指由满足x1-x0最大且y1-y0最大的LTRect对象的x0、y0、x1、y1。

7.根据权利要求1基于PDF文件解析的图谱截图抓取方法，其特征在于，所述步骤三中图片的输出所采用的计算机工具软件包括而不仅限于C、C#、Python、Java、Visual Studio等计算机语言所创建的可实现对PDF页面进行图片转换并输出的软件，进一步要求为PyMuPDF，Pdf2image或ImageMagick。

8.根据权利要求1基于PDF文件解析的图谱截图抓取方法，其特征在于，所述步骤三中图片格式在尺寸上维持与原页面文件一致或具有相同长宽比。