[发明专利]版式文档注脚的自动识别及转换为流式文档注释的方法有效
| 申请号： | 201510293857.1 | 申请日： | 2015-06-01 |
| 公开（公告）号： | CN106294304B | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 孙上斌;胡元琪 | 申请（专利权）人： | 掌阅科技股份有限公司 |
| 主分类号： | G06F17/25 | 分类号： | G06F17/25 |
| 代理公司： | 11276 北京市浩天知识产权代理事务所(普通合伙) | 代理人： | 宋菲 |
| 地址： | 100124 北京市朝阳区高碑店乡半壁店*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种版式文档注脚的自动识别方法，包括下列步骤：1)识别出版式文档中的注脚区和正文区；2)根据注脚区内容提取出注脚区注脚序列；3)根据正文区内容提取出正文区注脚序列；4)对步骤2)和步骤3)中得到的注脚区注脚序列和正文区注脚序列进行互相匹配，得到相匹配的注脚区注脚序列和正文区注脚序列。本发明还提供了相应的版式文档注脚的转换为流式文档注释的方法。本发明能够适用于多种形式的版式文件到流式文件的转化，如pdf转为epub等。本发明可以自动的识别版式文件中的注脚，进行注脚的关联，大大解放了人力，增加了处理的速度。本发明的识别方法识别率高、错误率低。 | ||
| 搜索关键词： | 版式 文档 注脚 自动识别 转换 注释 方法 | ||
【主权项】：
1.一种版式文档注脚的自动识别方法，其特征在于，包括下列步骤：/n1)识别出版式文档中的所有分隔线，排除非注脚区分隔线，找到注脚分割线，根据所述注脚分割线识别版式文档中的注脚区和正文区；/n其中，所述非注脚区分隔线包括：纵向的分隔线、小于页面宽度的四分之一的分隔线、上下两个段落有相同的字体的分隔线、以及上方或下方没有段落的分隔线；/n2)根据注脚区内容提取出注脚区注脚序列；/n3)根据正文区内容提取出正文区注脚序列；/n4)对步骤2)和步骤3)中得到的注脚区注脚序列和正文区注脚序列进行互相匹配，得到相匹配的注脚区注脚序列和正文区注脚序列；以及/n5)将所述注脚区内容和正文区注脚序列关联，其中，所述注脚区内容根据注脚区注脚序列被分段和提取；/n其中，所述步骤3)包括下列子步骤：/n31)对页面进行聚类，将相同字体的字体块聚类在一起；/n32)对聚类后的内容，根据数字和序号标点提取出正文区注脚序列。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于掌阅科技股份有限公司，未经掌阅科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510293857.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种显示文档的方法和装置
- 下一篇：一种信息处理方法及电子设备
