一種PDF文件修復方法和系統(tǒng)

基本信息

申請?zhí)?/td> CN201910456021.7 申請日 -
公開（公告）號 CN110222617A 公開（公告）日 2019-09-10
申請公布號 CN110222617A 申請公布日 2019-09-10
分類號 G06K9/00（2006.01）I; G06K9/62（2006.01）I; G06F17/24（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 左林翼; 楊龍杰; 盛鵬展; 楊超; 李劍 申請（專利權(quán)）人 四川譯訊信息科技有限公司
代理機構(gòu) 成都九鼎天元知識產(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31層07號
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種PDF文件修復方法和系統(tǒng)。方法流程為：A．繪制PDF文件中每個字符的字符圖像；B．采用OCR識別模型分別對每個字符圖像進行字符識別，基于字符識別結(jié)果，編制出字符映射表，該字符映射表含字符字型與字符編碼的映射關系；C．以字符映射表修復PDF文件的CMAP表。系統(tǒng)包括依次連接的字符掃描模塊、OCR識別模塊、映射表構(gòu)建模塊和CMAP表修復模塊；字符掃描模塊繪制PDF文件中的字符圖像，OCR識別模塊對其進行識別以得到字符字型，映射表構(gòu)建模塊基于字符字型和通用字符編碼表構(gòu)建字符映射表，CMAP表修復模塊一字符映射表修復PDF文件的CMAP表。本發(fā)明可以從根本上解決PDF文件的文本不可被有效復制的問題，所修復的PDF文件可被一直使用。