一種PDF文件類別判定方法及文字提取方法

基本信息

申請(qǐng)?zhí)?/td> CN201811540758.9 申請(qǐng)日 -
公開(公告)號(hào) CN109739981B 公開(公告)日 2019-05-10
申請(qǐng)公布號(hào) CN109739981B 申請(qǐng)公布日 2019-05-10
分類號(hào) G06F16/35(2019.01)I 分類 計(jì)算;推算;計(jì)數(shù);
發(fā)明人 馬萬炯;陳俊周;楊龍杰;左林翼;李劍 申請(qǐng)(專利權(quán))人 四川譯訊信息科技有限公司
代理機(jī)構(gòu) 成都九鼎天元知識(shí)產(chǎn)權(quán)代理有限公司 代理人 四川譯訊信息科技有限公司
地址 610041四川省成都市高新區(qū)蜀錦路88號(hào)31層07號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種PDF文件類別判定方法及文字提取方法,類別判定方法包括:根據(jù)制作程序判定類別的步驟、根據(jù)文件字體判定類別的步驟、根據(jù)文件文檔結(jié)構(gòu)判定類別的步驟、根據(jù)CMAP字符映射表判定類別的步驟和根據(jù)文件包含的圖片的信息判定類別的步驟。文字提取方法在判定出文件類別后,選擇對(duì)應(yīng)與文件類別的文字提取方法識(shí)別和提取文件中的文字。本發(fā)明采用逐級(jí)判定的方式,可對(duì)所有PDF文件的類別進(jìn)行準(zhǔn)確、快速的判定,判定效率高、消耗資源少,通用性強(qiáng)。??