一種PDF文件類別判定方法及文字提取方法

基本信息

申請?zhí)?/td> CN201811540758.9 申請日 -
公開(公告)號 CN109739981A 公開(公告)日 2019-05-10
申請公布號 CN109739981A 申請公布日 2019-05-10
分類號 G06F16/35(2019.01)I 分類 計算;推算;計數(shù);
發(fā)明人 馬萬炯; 陳俊周; 楊龍杰; 左林翼; 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,選擇對應(yīng)與文件類別的文字提取方法識別和提取文件中的文字。本發(fā)明采用逐級判定的方式,可對所有PDF文件的類別進行準確、快速的判定,判定效率高、消耗資源少,通用性強。