一種基于OCR預(yù)判斷的PDF文件轉(zhuǎn)換方法

基本信息

申請?zhí)?/td> CN201811206109.5 申請日 -
公開（公告）號 CN109492199A 公開（公告）日 2019-03-19
申請公布號 CN109492199A 申請公布日 2019-03-19
分類號 G06F17/22（2006.01）I; G06K9/20（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 馬萬炯 申請（專利權(quán)）人 四川譯訊信息科技有限公司
代理機構(gòu) 成都睿道專利代理事務(wù)所（普通合伙） 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)明公開了一種基于OCR預(yù)判斷的PDF文件轉(zhuǎn)換方法，包括以下步驟：解析PDF文件，判斷該PDF文件中各頁面是否需要進行ocr；針對需要進行ocr的頁面進行ocr，得到文本信息；針對不需要進行ocr的頁面直接從該PDF頁面中文本對象的文字編碼信息提取文本信息；通過PDF解析算法和Office文件重構(gòu)算法將該PDF文件轉(zhuǎn)換為對應(yīng)的可編輯文檔。本發(fā)明通過對PDF文件的預(yù)解析，提高了PDF文字提取的正確率，在減少不必要的ocr識別的同時保證了文字提取的準(zhǔn)確度并提高了PDF文件的轉(zhuǎn)換效率，適用性強，轉(zhuǎn)換效果好。