[发明专利]PDF文字提取方法和装置有效
| 申请号： | 201711106231.0 | 申请日： | 2017-11-10 |
| 公开（公告）号： | CN108038093B | 公开（公告）日： | 2021-06-15 |
| 发明（设计）人： | 晏检平 | 申请（专利权）人： | 深圳市亿图软件有限公司 |
| 主分类号： | G06F40/126 | 分类号： | G06F40/126;G06K9/00 |
| 代理公司： | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人： | 程晓 |
| 地址： | 518000 广东省深圳市南山区粤海街道高*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明适用于文字识别技术领域，提供了一种PDF文字提取方法和装置，所述方法包括：获取PDF页面中的各个文本对象的第一编码、字形位图、内嵌信息和字体信息；根据所述文本对象的字体信息判断所述文本对象的字体类型得到第一判断结果，根据所述文本对象的内嵌信息判断所述文本对象是否内嵌在所述PDF页面中得到第二判断结果；根据所述第一判断结果和所述第二判断结果对所述文本对象进行提取。本发明实现了提高PDF文字提取的正确率，并且不需要将所有PDF文字进行OCR识别，节约了PDF文字提取的时间。 | ||
| 搜索关键词： | pdf 文字 提取 方法 装置 | ||
【主权项】：
1.一种PDF文字提取方法，其特征在于，包括：获取PDF页面中的各个文本对象的第一编码、字形位图、内嵌信息和字体信息；根据所述文本对象的字体信息判断所述文本对象的字体类型得到第一判断结果，根据所述文本对象的内嵌信息判断所述文本对象是否内嵌在所述PDF页面中得到第二判断结果；根据所述第一判断结果和所述第二判断结果对所述文本对象进行提取。
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深圳市亿图软件有限公司，未经深圳市亿图软件有限公司许可，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/201711106231.0/，转载请声明来源钻瓜专利网。
