[发明专利]一种PDF文件类别判定方法及文字提取方法有效
| 申请号： | 201811540758.9 | 申请日： | 2018-12-17 |
| 公开（公告）号： | CN109739981B | 公开（公告）日： | 2020-12-29 |
| 发明（设计）人： | 马万炯;陈俊周;杨龙杰;左林翼;李剑 | 申请（专利权）人： | 四川译讯信息科技有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35 |
| 代理公司： | 成都九鼎天元知识产权代理有限公司 51214 | 代理人： | 韩雪 |
| 地址： | 610041 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种PDF文件类别判定方法及文字提取方法，类别判定方法包括：根据制作程序判定类别的步骤、根据文件字体判定类别的步骤、根据文件文档结构判定类别的步骤、根据CMAP字符映射表判定类别的步骤和根据文件包含的图片的信息判定类别的步骤。文字提取方法在判定出文件类别后，选择对应与文件类别的文字提取方法识别和提取文件中的文字。本发明采用逐级判定的方式，可对所有PDF文件的类别进行准确、快速的判定，判定效率高、消耗资源少，通用性强。 | ||
| 搜索关键词： | 一种 pdf 文件 类别 判定 方法 文字 提取 | ||
【主权项】：
1.一种PDF文件类别判定方法，其特征在于，包括以下步骤：A．读取PDF文件的制作程序，根据读取结果，判断PDF文件是图片类还是非图片类，若是非图片类，则进行下一步；B．读取PDF文件的字体，根据读取结果，判断PDF文件是图片类还是非图片类，若是非图片类，则进行下一步；C．识别PDF文件是否包含透明字体，若包含透明字体，则判定为图片类，否则，进行下一步；D．查找PDF文件的CMAP（计算机语言函数）字符映射表，根据查找结果，判断PDF文件是图片类还是非图片类，若是非图片类，则进行下一步；E．读取出PDF文件中的图片，识别出图片信息，根据图片信息，从预设文件类别判定步骤中，选择对应的文件类别判定步骤，以判定PDF文件为图片类或文本类文件类别。
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四川译讯信息科技有限公司，未经四川译讯信息科技有限公司许可，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/201811540758.9/，转载请声明来源钻瓜专利网。
- 上一篇：对情感分类器进行调优的方法、装置及终端
- 下一篇：事件检测方法
