[发明专利]一种PDF文档标题结构树生成方法、装置、终端及系统在审
| 申请号： | 201710576555.4 | 申请日： | 2017-07-14 |
| 公开（公告）号： | CN107291677A | 公开（公告）日： | 2017-10-24 |
| 发明（设计）人： | 徐龙;王文军;房平会 | 申请（专利权）人： | 北京神州泰岳软件股份有限公司;中科鼎富（北京）科技发展有限公司 |
| 主分类号： | G06F17/22 | 分类号： | G06F17/22 |
| 代理公司： | 北京弘权知识产权代理事务所(普通合伙)11363 | 代理人： | 逯长明,许伟群 |
| 地址： | 100089 北京市海淀区*** | 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： | 本发明实施例提供了一种PDF文档标题结构树生成方法、装置、终端及系统，为了解决从PDF文档中提取文档的标题结构的问题，首先，获取PDF文档中所有的字符信息；然后，获取每个所述字符信息的属性信息，所述属性信息包括字符信息的X轴坐标、Y轴坐标、字符尺寸和字体样式等；其次，根据所述属性信息，将所述字符信息划分成多个单元行，每个所述单元行顺序包含所有位于文档同一行的所述字符信息；再次，根据单元行划分结果，从所有所述单元行中识别出所有标题信息；最后，确定所述标题信息的标题级别，生成包含所有所述标题信息的标题结构树，解决了现有技术中无法从PDF文档中提取文档标题结构的问题。 | ||
| 搜索关键词： | 一种 pdf 文档 标题 结构 生成 方法 装置 终端 系统 | ||
【主权项】：
一种PDF文档标题结构树生成方法，其特征在于，所述方法包括：获取PDF文档中所有的字符信息；获取每个所述字符信息的属性信息，所述属性信息包括字符信息的X轴坐标、Y轴坐标、字符尺寸和字体样式等；根据所述属性信息，将所述字符信息划分成多个单元行，每个所述单元行顺序包含所有位于文档同一行的所述字符信息；根据单元行划分结果，从所有所述单元行中识别出所有标题信息；确定所述标题信息的标题级别，生成包含所有所述标题信息的标题结构树。
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北京神州泰岳软件股份有限公司;中科鼎富（北京）科技发展有限公司，未经北京神州泰岳软件股份有限公司;中科鼎富（北京）科技发展有限公司许可，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/201710576555.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于机器学习的地铁短时客流预测方法
- 下一篇：一种句子语义相似度计算方法
