申请/专利权人：北京四方同文科技有限公司

申请日：2023-06-26

公开（公告）日：2024-04-09

公开（公告）号：CN117852499A

主分类号：G06F40/151

分类号：G06F40/151;G06F40/166;G06F40/106

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明提供一种PDF文档的预处理方法及装置，涉及文档处理技术领域，其中，PDF文档的预处理方法，包括：对获取的目标PDF文档进行布局分析并划块，得到目标PDF文档中各文档内容所属的区域；提取各区域内文档内容和文档内容的属性信息；针对每个区域，在区域内，根据属性信息对文档内容中的字符进行段落重组，得到处理后的文档内容；将各处理后的文档内容转化为输出文档，输出文档的格式基于下游任务确定。本发明能够对PDF文档进行文档内容提取和段落重建，以确保能够有效降低用户对PDF文档进行编辑的复杂度，提高了PDF文档编辑效率和PDF文档段落识别的准确率，保存PDF文档的段落信息，避免了在保存PDF文档后，PDF文档的段落信息丢失的问题。

主权项：1.一种PDF文档的预处理方法，其特征在于，包括：对获取的目标PDF文档进行布局分析并划块，得到所述目标PDF文档中各文档内容所属的区域；提取各所述区域内所述文档内容和所述文档内容的属性信息；针对每个所述区域，在所述区域内，根据所述属性信息对所述文档内容中的字符进行段落重组，得到处理后的文档内容；将各所述处理后的文档内容转化为输出文档，所述输出文档的格式基于下游任务确定。

全文数据：

权利要求：

百度查询： 北京四方同文科技有限公司 PDF文档的预处理方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD